Python 为分类数据绘制多个条形图

我正在寻找一种在matplotlib中为每个值绘制多个条形图的方法。对于数值数据，这可以通过向X数据添加偏移来实现，例如：

plt.bar（）

（和

ax.bar（）

）也会自动处理分类数据：

X = ['A','B','C']
Y = [1,2,3]

plt.bar(X, Y)
plt.show()

这里，显然不可能添加偏移，因为类别与轴上的值没有直接关联。我可以使用

plt.xticks（）

：，手动为类别分配数值，并在x轴上设置标签

X = ['A','B','C']
Y = [1,2,3]
Z = [2,3,4]
_X = np.arange(len(X))

plt.bar(_X - 0.2, Y, 0.4)
plt.bar(_X + 0.2, Z, 0.4)
plt.xticks(_X, X) # set labels manually
plt.show()

---

但是，我想知道是否有一种更优雅的方法可以利用

bar（）

的自动类别处理，特别是如果以前不知道每个类别的类别和条数（这会导致一些调整条宽以避免重叠）.

matplotlib中不自动支持子类别

使用matplotlib放置钢筋 你可以按照你在问题中提出的那样，以数字的方式放置这些条。当然，您可以让代码管理未知数量的子类别

import numpy as np
import matplotlib.pyplot as plt

X = ['A','B','C']
Y = [1,2,3]
Z = [2,3,4]

def subcategorybar(X, vals, width=0.8):
    n = len(vals)
    _X = np.arange(len(X))
    for i in range(n):
        plt.bar(_X - width/2. + i/float(n)*width, vals[i], 
                width=width/float(n), align="edge")   
    plt.xticks(_X, X)
    
subcategorybar(X, [Y,Z,Y])

plt.show()

使用熊猫 您还可以使用pandas plotting wrapper，它负责计算子类别的数量。它将为数据帧的每列绘制一个组

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

X = ['A','B','C']
Y = [1,2,3]
Z = [2,3,4]

df = pd.DataFrame(np.c_[Y,Z,Y], index=X)
df.plot.bar()

plt.show()

---

感谢您的回答和代码示例。我知道pandas具有处理子类别的能力（事实上，我的数据已经存储在数据框中），但为了与其他绘图保持一致，我一直在寻找matplotlib的解决方案。为了在X轴上旋转“a”、“B”、“C”，在使用pandas时，使用df.plot.bar（rot=0）上述答案，也可以简化为一行：

df.set_index（X.plot.bar（）

（这样就不会丢失条的分类名称）@Kevad您的评论令人困惑，因为

X

已经是索引，所以无需再次设置它。@importanceofbeingerest感谢您的更正。我的意思是

df.plot.bar（）还生成相同的输出：）
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

X = ['A','B','C']
Y = [1,2,3]
Z = [2,3,4]

df = pd.DataFrame(np.c_[Y,Z,Y], index=X)
df.plot.bar()

plt.show()