使用散景绘制堆积条形图

Question

我正在尝试按照文档的这一部分使用散景绘制堆积条形图。但我的数据框有点复杂。它看起来像这样： mount has the following return codes (the bits can be ORed):   0      success   1      incorrect invocation or permissions   2      system error (out of memory, cannot fork, no more loop devices)   4      internal mount bug   8      user interrupt   16     problems writing or locking /etc/mtab   32     mount failure   64     some mount succeeded   The command mount -a returns 0 (all succeeded), 32 (all failed), or 64 (some failed,  some   succeeded).

Answer 1

bokeh 不一定需要字典才能工作，因此我们实际上可以使用pivotDataframe 方法来实现所需的转换并直接绘制结果。

>>> df = pd.DataFrame({

    'events': ['a', 'b', 'a', 'c', 'b', 'c'],

    'count': [2, 1, 8, 1, 4, 1],

    'Name': ['jerry', 'jerry', 'joe', 'joe', 'megan', 'megan']})

>>> df

  events  count   Name

0  a      2      jerry

1  b      1      jerry

2  a      8      joe  

3  c      1      joe  

4  b      4      megan

5  c      1      megan

转换数据：

>>> df2 = df.pivot(index="Name", columns="events", values="count").fillna(0)

>>> df2

events  a   b   c

Name            

jerry   2.0 1.0 0.0

joe     8.0 0.0 1.0

megan   0.0 4.0 1.0

绘制数据：

from bokeh.plotting import figure

from bokeh.palettes import viridis

names = df2.index.tolist()

events = df2.columns.tolist()

color = viridis(len(events))

p = figure(x_range=names)

p.vbar_stack(events, x="Name", source=df2, width=.9, color=color), legend_label=events)

show(p)

绘制此图的另一种方法是使用 Holoviews 库（只需添加此库，因为 Holoviews 可以生成一些比 Bokeh 更简洁的代码）。Holoviews 会为您处理数据转换，因此您不需要任何额外的工作：

import holoviews as hv

hv.extension("bokeh")

hv.Bars(df, kdims=["Name", "events"], vdims="count").opts(stacked=True)

至于替代解决方案，我并不完全确定。我认为与 167 种类型的事件进行视觉比较并不容易（即 167 种独特的颜色，因此这些颜色可能不是非常容易辨别 - 更不用说具有 167 个条目的笨拙图例）。如果这种可视化方式没有帮助，我建议使用 Holoviews 库为您的每个名字创建一个条形图。然后，您可以切换数据中每个人的绘图。

import holoviews as hv
hv.extension("bokeh")

hv.Bars(df, kdims=["Name", "events"], vdims="count").groupby("Name")