Python 如何绘制分组要素的堆叠条形图？_Python_Pandas_Matplotlib

Python 如何绘制分组要素的堆叠条形图？

python pandas matplotlib

Python 如何绘制分组要素的堆叠条形图？,python,pandas,matplotlib,Python,Pandas,Matplotlib,我有以下数据帧： Part_Number Serial_Number Timestamp Feature Machine Tool Rework PN1 100 9/9/2020 8:26 FEAT_FN_H30 H10 93 1 PN1 101 9/9/2020 9:05 FEAT1_FN_H12 G3 85 2 PN1 102 9/9/2020 9:29 FEAT_F

我有以下数据帧：

Part_Number    Serial_Number    Timestamp    Feature    Machine    Tool    Rework
PN1    100    9/9/2020 8:26    FEAT_FN_H30    H10    93    1
PN1    101    9/9/2020 9:05    FEAT1_FN_H12    G3    85    2
PN1    102    9/9/2020 9:29    FEAT_FN_H23    H4    81    1
PN1    103    9/9/2020 10:53    FEAT1_FN_H15    H7    24    3
PN1    104    9/9/2020 10:53    FEAT1_FN_H17    H7    24    3
PN1    105    9/9/2020 10:53    FEAT1_FN_H19        24    1
PN1    106    9/9/2020 12:03    FEAT1_LF_LOC_BE    F7    6    2
PN1    107    9/9/2020 12:03    FEAT1_LF_LOC_FN            12
PN1    108    9/9/2020 12:33    FEAT_FN_H42        93    2
PN1    109    9/9/2020 12:33    FEAT_FN_H43    H10    83    1
PN1    110    9/9/2020 12:33    FEAT_FN_H44    H10    83    1
PN1    111    9/9/2020 12:33    FEAT_FN_H45    H10    83    1
PN1    112    9/9/2020 12:33    FEAT_FN_H46    H10    83    1

我需要的是一个条形图，其中包含为每个功能执行的返工总和

然后，我需要用哪台机器对该特性执行这些重写来分解该条。我试图上传我正在寻找的照片，但一直收到一个错误。

所需的功能并聚合
```
总和
```
分组的
```
数据帧
```
格式从长到宽
删除取消堆叠时创建的多级列名的级别0
绘制堆叠的条形图，并使用
- 如果您有大量的
```
'Feature'
```
  ，请使用
```
.barh
```
  作为水平条，根据需要调整
```
figsize
```
  ，并将
```
plt.xlabel（“返工”）
```
  更改为
```
ylabel
```

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
#读取数据
df=pd.read\u csv（'test.csv'））
#显示（df）
零件号序列号时间戳特征机床返工
0 PN1100 9/9/2020 8:26壮举FN\u H30 H10 93.0 1
1 PN1019/9/2020 9:05功能1\u FN\u H12 G3 85.0 2
2 PN1019/9/2020 9:05功能1\u FN\u H12 G3 85.0 3
3 PN1019/9/2020 9:05 FEAT1_FN_H12 G4 85.0 2
4 PN1 102 9/9/2020 9:29壮举FN_H23 H4 81.0 1
5 PN1 103 9/9/2020 10:53 FEAT1_FN_H15 H7 24.0 3
6 PN11049/9/2020 10:53 FEAT1_FN_H17 H7 24.0 3
7 PN11059/9/2020 10:53 FEAT1_FN_H19 NaN 24.0 1
8 PN1 106 9/9/2020 12:03功能1\u LF\u LOC\u BE F7 6.0 2
9 PN1 107 9/9/2020 12:03 FEAT1_LF_LOC_FN南南12
10 PN1 108 9/9/2020 12:33壮举42南93.0 2
11 PN1 109 9/9/2020 12:33壮举43 H10 83.0 1
12 PN11109/9/2020 12:33壮举44 H1083.01
13 PN1119/9/2020 12:33壮举45 H1083.01
14 PN11129/9/2020 12:33壮举46 H10 83.0 1
#groupby和sum
dfg=df.groupby（['Feature'，'Machine']）.agg（{'Rework'：sum}）.unstack（）
#固定列名
dfg.columns=dfg.columns.droplevel（0）
#按行和对索引进行排序
dfg=dfg.reindex（dfg.sum（轴=1）.排序值（升序=False）.索引）
#绘制前五名
dfg.head（）.plot.bar（stacked=True，figsize=（8,5），grid=True）
plt.ylabel（“返工”）
plt.legend（title=dfg.columns.name，bbox\u to\u anchor=（1.05,1），loc='左上角'）

测试数据

为测试添加了额外的数据，因为没有多个
```
'Machine'
```
生成带有
```
'Feature'
```
的示例

所需的功能并聚合
```
总和
```
分组的
```
数据帧
```
格式从长到宽
删除取消堆叠时创建的多级列名的级别0
绘制堆叠的条形图，并使用
- 如果您有大量的
```
'Feature'
```
  ，请使用
```
.barh
```
  作为水平条，根据需要调整
```
figsize
```
  ，并将
```
plt.xlabel（“返工”）
```
  更改为
```
ylabel
```

将熊猫作为pd导入
将matplotlib.pyplot作为plt导入
#读取数据
df=pd.read\u csv（'test.csv'））
#显示（df）
零件号序列号时间戳特征机床返工
0 PN1100 9/9/2020 8:26壮举FN\u H30 H10 93.0 1
1 PN1019/9/2020 9:05功能1\u FN\u H12 G3 85.0 2
2 PN1019/9/2020 9:05功能1\u FN\u H12 G3 85.0 3
3 PN1019/9/2020 9:05 FEAT1_FN_H12 G4 85.0 2
4 PN1 102 9/9/2020 9:29壮举FN_H23 H4 81.0 1
5 PN1 103 9/9/2020 10:53 FEAT1_FN_H15 H7 24.0 3
6 PN11049/9/2020 10:53 FEAT1_FN_H17 H7 24.0 3
7 PN11059/9/2020 10:53 FEAT1_FN_H19 NaN 24.0 1
8 PN1 106 9/9/2020 12:03功能1\u LF\u LOC\u BE F7 6.0 2
9 PN1 107 9/9/2020 12:03 FEAT1_LF_LOC_FN南南12
10 PN1 108 9/9/2020 12:33壮举42南93.0 2
11 PN1 109 9/9/2020 12:33壮举43 H10 83.0 1
12 PN11109/9/2020 12:33壮举44 H1083.01
13 PN1119/9/2020 12:33壮举45 H1083.01
14 PN11129/9/2020 12:33壮举46 H10 83.0 1
#groupby和sum
dfg=df.groupby（['Feature'，'Machine']）.agg（{'Rework'：sum}）.unstack（）
#固定列名
dfg.columns=dfg.columns.droplevel（0）
#按行和对索引进行排序
dfg=dfg.reindex（dfg.sum（轴=1）.排序值（升序=False）.索引）
#绘制前五名
dfg.head（）.plot.bar（stacked=True，figsize=（8,5），grid=True）
plt.ylabel（“返工”）
plt.legend（title=dfg.columns.name，bbox\u to\u anchor=（1.05,1），loc='左上角'）

测试数据

为测试添加了额外的数据，因为没有多个
```
'Machine'
```
生成带有
```
'Feature'
```
的示例

这回答了你的问题吗？这回答了你的问题吗？这回答了你的问题吗？这回答了你的问题吗@麦克斯韦

dfg=dfg.reindex（dfg.sum（axis=1）.排序值（升序=False）.索引）.head（5）

工作得很有魅力@麦克斯韦很高兴这对你有用，谢谢你接受了答案。另外，如果您认为它有用的话，请随意投票。@Maxwell

dfg=dfg.reindex（dfg.sum（axis=1.s
Part_Number,Serial_Number,Timestamp,Feature,Machine,Tool,Rework
PN1,100,9/9/2020 8:26,FEAT_FN_H30,H10,93,1
PN1,101,9/9/2020 9:05,FEAT1_FN_H12,G3,85,2
PN1,101,9/9/2020 9:05,FEAT1_FN_H12,G3,85,3
PN1,101,9/9/2020 9:05,FEAT1_FN_H12,G4,85,2
PN1,102,9/9/2020 9:29,FEAT_FN_H23,H4,81,1
PN1,103,9/9/2020 10:53,FEAT1_FN_H15,H7,24,3
PN1,104,9/9/2020 10:53,FEAT1_FN_H17,H7,24,3
PN1,105,9/9/2020 10:53,FEAT1_FN_H19,,24,1
PN1,106,9/9/2020 12:03,FEAT1_LF_LOC_BE,F7,6,2
PN1,107,9/9/2020 12:03,FEAT1_LF_LOC_FN,,,12
PN1,108,9/9/2020 12:33,FEAT_FN_H42,,93,2
PN1,109,9/9/2020 12:33,FEAT_FN_H43,H10,83,1
PN1,110,9/9/2020 12:33,FEAT_FN_H44,H10,83,1
PN1,111,9/9/2020 12:33,FEAT_FN_H45,H10,83,1
PN1,112,9/9/2020 12:33,FEAT_FN_H46,H10,83,1