Matplotlib 条形图--按列指定条形图颜色

是否有一种简单的方法可以使用Pandas

DataFrame.plot（kind='bar'）

方法通过列名指定条形图的颜色

我有一个脚本，它从目录中的几个不同数据文件生成多个数据帧。例如，它可以执行以下操作：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pds

data_files = ['a', 'b', 'c', 'd']

df1 = pds.DataFrame(np.random.rand(4,3), columns=data_files[:-1])
df2 = pds.DataFrame(np.random.rand(4,3), columns=data_files[1:])

df1.plot(kind='bar', ax=plt.subplot(121))
df2.plot(kind='bar', ax=plt.subplot(122))

plt.show()

具有以下输出：

不幸的是，不同绘图中每个标签的列颜色不一致。是否可以传入（文件名：颜色）的字典，以便任何特定列始终具有相同的颜色。例如，我可以想象通过使用Matplotlib color_循环压缩文件名来创建：

data_files = ['a', 'b', 'c', 'd']
colors = plt.rcParams['axes.color_cycle']
print zip(data_files, colors)

[('a', u'b'), ('b', u'g'), ('c', u'r'), ('d', u'c')]

我可以直接用Matplotlib解决这个问题：我只是觉得可能有一个更简单的内置解决方案

编辑：

下面是在纯Matplotlib中工作的部分解决方案。然而，我在一个IPython笔记本中使用了它，该笔记本将分发给非程序员同事，我希望尽量减少过多的绘图代码

import numpy as np
import matplotlib.pyplot as plt
import pandas as pds

data_files = ['a', 'b', 'c', 'd']
mpl_colors = plt.rcParams['axes.color_cycle']
colors = dict(zip(data_files, mpl_colors))

def bar_plotter(df, colors, sub):
    ncols = df.shape[1]
    width = 1./(ncols+2.)
    starts = df.index.values - width*ncols/2.
    plt.subplot(120+sub)
    for n, col in enumerate(df):
        plt.bar(starts + width*n, df[col].values, color=colors[col],
                width=width, label=col)
    plt.xticks(df.index.values)
    plt.grid()
    plt.legend()

df1 = pds.DataFrame(np.random.rand(4,3), columns=data_files[:-1])
df2 = pds.DataFrame(np.random.rand(4,3), columns=data_files[1:])

bar_plotter(df1, colors, 1)
bar_plotter(df2, colors, 2)

plt.show()

---

您可以将列表作为颜色传递。这将需要一点手工工作，让它排列整齐，不像你可以通过字典，但可能是一个不太混乱的方式来完成你的目标

import numpy as np
import matplotlib.pyplot as plt
import pandas as pds

data_files = ['a', 'b', 'c', 'd']

df1 = pds.DataFrame(np.random.rand(4,3), columns=data_files[:-1])
df2 = pds.DataFrame(np.random.rand(4,3), columns=data_files[1:])

color_list = ['b', 'g', 'r', 'c']


df1.plot(kind='bar', ax=plt.subplot(121), color=color_list)
df2.plot(kind='bar', ax=plt.subplot(122), color=color_list[1:])

plt.show()

编辑 Ajean想出了一个简单的方法从字典中返回正确颜色的列表：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pds

data_files = ['a', 'b', 'c', 'd']
color_list = ['b', 'g', 'r', 'c']
d2c = dict(zip(data_files, color_list))

df1 = pds.DataFrame(np.random.rand(4,3), columns=data_files[:-1])
df2 = pds.DataFrame(np.random.rand(4,3), columns=data_files[1:])

df1.plot(kind='bar', ax=plt.subplot(121), color=map(d2c.get,df1.columns))
df2.plot(kind='bar', ax=plt.subplot(122), color=map(d2c.get,df2.columns))

plt.show()

---

Pandas版本1.1.0使这变得更容易。您可以传递字典，为pandas.DataFrame.plot.bar（）函数中的每列指定不同的颜色：

以下是一个例子：

df1 = pd.DataFrame({'a': [1.2, .8, .9], 'b': [.2, .9, .7]})
df2 = pd.DataFrame({'b': [0.2, .5, .4], 'c': [.5, .6, .7], 'd': [1.1, .6, .7]})
color_dict = {'a':'green', 'b': 'red', 'c':'blue', 'd': 'cyan'}
df1.plot.bar(color = color_dict)
df2.plot.bar(color = color_dict)

---

我认为这可能是一个很好的起点。在将第二个图形作为颜色传递之前，可能会对其颜色列表[1:]进行切片？非常好。为了提高稳健性，您可以创建一个data2color dict（

d2c=dict（zip（数据文件，颜色列表））

），然后在plot命令中输入

color=map（d2c.get，df1.columns）

，对于df2也是如此。看起来很有效：）。实际上我更喜欢这个。感觉这应该是一个易于实现的特性请求。我想列表输入对于pandas开发人员来说已经足够定制了，不确定他们还能做什么。而且我在别的地方完全发现了这个小把戏，所以我不能把所有的功劳都归功于它，呵呵！这是一个很好的解决方案。我喜欢字典法的地图。谢谢瑞典人和阿琼！这是可行的，但我必须以倒转的方式{“color”：“column”}来构造它，这很奇怪吗？在我操作数据时，它似乎也会去同步，即使我保持列名不变，它也不起作用，我也不知道为什么。