【科研绘图】只用Python绘图之堆叠条形图

提供Python/Origin定制化绘图服务，支持先出样图，满意后付款

本期文章将带您探索如何用Python绘制精美的堆叠条形图，是一种用于可视化多组数据的图形表示方法。

堆叠条形图是在普通条形图基础上，将每个条形按分类变量分割为多个子段，用以表示子类别数据，各段堆叠组成完整条形。其主要特点如下：

1.多层细分展示结构：可将每个总类拆分为多个子类，在同一柱条内分层堆叠，直观呈现各部分的数值及占总体的比例。

2.对比与趋势兼顾：既能横向对比不同总类之间的整体大小，也能观察各子类在同类或不同类间的构成差异，尤其适合呈现时间序列中成分的变化趋势。

3.强调累积与占比：通过堆叠形式突出部分对整体的贡献，易于识别主要成分及其在不同类别中的分布情况，同时展现总规模的变动。

import numpy as npimport pandas as pdimport matplotlib.pyplot as pltcategory_names = ['A', 'B', 'C', 'D', 'E']# --- 读取 Excel 数据 ---try:    file_path = 'data.xlsx'    # 使用 openpyxl 引擎读取 Excel 文件，Sheet1 工作表，第一行为列名，第一列为索引    data = pd.read_excel(file_path, engine='openpyxl',                         sheet_name='Sheet1', header=0, index_col=0)    # 将 DataFrame 转换为字典格式，便于后续处理    data_dict = data.to_dict(orient='dict')    results = {}    # 按列名重组数据，确保顺序与 category_names 一致    for col in data.columns:        results[col] = [data_dict[col][row] for row in category_names]except Exception as e:    # 如果读取文件失败，打印提示并使用预设的示例数据    print(f"数据源提示：{e}")    results = {        'Q1': [10, 14, 18, 35, 24],        'Q2': [26, 22, 29, 10, 13],        'Q3': [35, 37, 7, 2, 19],        'Q4': [32, 11, 9, 15, 33],        'Q5': [21, 29, 5, 5, 40],        'Q6': [9, 19, 6, 30, 36]    }

def survey(results, category_names):    """    生成堆叠条形图的函数    参数    ----------    results : dict        问题标签到各分类答案列表的映射    category_names : list of str        分类标签列表    """    # 获取所有问题标签（对应y轴标签）    labels = list(results.keys())    # 将数据转换为numpy数组便于计算    data = np.array(list(results.values()))    # 【修改点1】数据归一化处理，计算百分比    # 沿行方向求和（每个问题的回答总数）    data_totals = data.sum(axis=1)    # 计算每个分类的相对比例（0到1之间）    data_rel = data / data_totals[:, np.newaxis]    # 计算归一化数据的累积和（用于确定每个条块的起始位置）    data_cum = data_rel.cumsum(axis=1)    try:        # 尝试使用新的colormaps API（Matplotlib 3.5+）        # PiYG: 粉红-黄绿颜色映射，通过线性采样获取颜色序列        category_colors = plt.colormaps['PiYG'](            np.linspace(0.15, 0.85, data.shape[1]))    except:        # 回退方案：使用旧的get_cmap方法（兼容旧版本）        category_colors = plt.get_cmap('PiYG')(            np.linspace(0.15, 0.85, data.shape[1]))    # 创建图形和坐标轴对象    fig, ax = plt.subplots(figsize=(8, 5))    # 反转y轴，使第一个类别显示在顶部    ax.invert_yaxis()    # 隐藏x轴（因为我们要显示的是水平堆叠条形图）    ax.xaxis.set_visible(False)    # 【修改点2】设置x轴范围为0-1（百分比范围）    ax.set_xlim(0, 1)

    # 添加图例：水平排列，放置在图形顶部    ax.legend(ncol=len(category_names), bbox_to_anchor=(0.15, 1),              loc='lower left', fontsize=14)    # 设置y轴刻度标签的字体大小    ax.tick_params(axis='y', labelsize=12)    # 自动调整图形布局，使所有元素都能正常显示    plt.tight_layout()return fig, ax

file_path = r'F:\data.xlsx'  # 设置Excel文件路径

category_names = ['A', 'B', 'C', 'D', 'E']try:    file_path = 'data.xlsx'    # 使用 openpyxl 引擎读取 Excel 文件，Sheet1 工作表，第一行为列名，第一列为索引    data = pd.read_excel(file_path, engine='openpyxl',                         sheet_name='Sheet1', header=0, index_col=0)    # 将 DataFrame 转换为字典格式，便于后续处理    data_dict = data.to_dict(orient='dict')    results = {}    # 按列名重组数据，确保顺序与 category_names 一致    for col in data.columns:        results[col] = [data_dict[col][row] for row in category_names]        ...    try: # 尝试使用新的colormaps API（Matplotlib 3.5+）        # category_colors = plt.colormaps['RdYlGn'](        #     np.linspace(0.15, 0.85, data.shape[1]))        # category_colors = plt.colormaps['PuOr'](        #     np.linspace(0.15, 0.85, data.shape[1]))        # category_colors = plt.colormaps['summer'](        #     np.linspace(0.15, 0.85, data.shape[1]))        category_colors = plt.colormaps['PiYG'](            np.linspace(0.15, 0.85, data.shape[1]))    except: # 回退方案：使用旧的get_cmap方法（兼容旧版本）        # category_colors = plt.get_cmap('RdYlGn')(        #     np.linspace(0.15, 0.85, data.shape[1]))        # category_colors = plt.get_cmap('PuOr')(        #     np.linspace(0.15, 0.85, data.shape[1]))        # category_colors = plt.get_cmap('summer')(        #     np.linspace(0.15, 0.85, data.shape[1]))        category_colors = plt.get_cmap('PiYG')(            np.linspace(0.15, 0.85, data.shape[1]))

    ax.legend(ncol=len(category_names), bbox_to_anchor=(0.15, 1),              loc='lower left', fontsize=14)    # 设置y轴刻度标签的字体大小    ax.tick_params(axis='y', labelsize=12)    # 自动调整图形布局，使所有元素都能正常显示    plt.tight_layout()