如何在Python中使用Pandas绘制条形图来比较多个系统和多个变量

我正在用熊猫做一些基本数据分析，在绘制数据时遇到了麻烦。我有多个系统的数据，每个系统都有排名（1-10）。在每个职级中都有A、C和F级，并有一个百分比。我想为每个系统绘制一个图表，其中x轴包含等级，y轴包含等级百分比。以下是我的数据示例：

{
  "System1": {
      "1": {
             "A": 0.5,
             "C": 0.3,
             "F": 0.1
           },
      "2": {
             "A": 0.3,
             "C": 0.3,
             "F": 0.4
           },
      ...,
      "10": {
              "A": 0.1,
              "C": 0.3,
              "F": 0.6
            }
   },
   "System2": {
       "1": {
              ...
            },
       ...,
       "10": {
              ...
        }
   }
}

我想生成一个如下图：

我已使用

pd.dataframe.from_dict（ranked_grades）

将数据加载到数据框中，但我在使用数据的嵌套结构时遇到了问题。加载后，我的数据帧看起来如下所示：

                                              System1                                           System2                                
1   {'C': 0.35377358490566035, 'F': 0.132075471698...  {'C': 0.3696682464454976, 'F': 0.1611374407582...  
2   {'C': 0.33490566037735847, 'F': 0.372641509433...  {'C': 0.3459715639810427, 'F': 0.2890995260663...  
3   {'C': 0.330188679245283, 'F': 0.41037735849056...  {'C': 0.3080568720379147, 'F': 0.4502369668246...  
4   {'C': 0.2783018867924528, 'F': 0.5235849056603...  {'C': 0.3175355450236967, 'F': 0.4739336492890... 
...
10  {'C': 0.2830188679245283, 'F': 0.5943396226415...  {'C': 0.24170616113744076, 'F': 0.630331753554... 

---

from_dict方法不应使用嵌套dict。因此，您需要以这种方式循环并读取数据

dfs = []
for key in sorted(ranked_grades):
    dfs.append(pd.DataFrame.from_dict(ranked_grades[key]))

然后，用海螺把它们挤在一起

data = pd.concat(dfs, keys=sorted(ranked_grades))

---

现在您应该有了一个可以使用的数据结构。

我在这里学到了很多东西。如果我发现更多，我可能会更新此答案

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

d = {
    k0: {
        k1: {
            k2: np.random.randint(0, 10) / 10 for k2 in list('ACF')
        } for k1 in range(1, 11)
    } for k0 in ['System1', 'System2']
}

df = pd.Panel(d).to_frame().rename_axis([None, None]).T.stack()
fig, axes = plt.subplots(2, 1, figsize=(6, 4), sharex=True)
for i, (name, group) in enumerate(df.groupby(level=0)):
    group.xs(name).sort_index().plot.bar(ax=axes[i], ylim=[0, 1])
    axes[i].set_title(name, rotation=270, position=(1.05, .55),
                      backgroundcolor='gray')

axes[0].legend(bbox_to_anchor=(1.1, .2), loc=2, borderaxespad=0.)
axes[1].legend().remove()

plt.subplots_adjust(hspace=0.1)

---

这是一个艰难的时刻。谢谢你的帮助！我很高兴看到您为此类任务提出的任何其他技术。