在数据分析工作中，我们常常需要对同一份数据按不同维度做聚合计算，再把多个聚合结果整合到一张条形图中做对比，Python的pandas和matplotlib库可以很好地完成这个任务。
核心实现步骤
1. 准备示例数据
首先我们构造一份包含销售数据的示例DataFrame，包含地区、产品类别、销售额三个字段，后续会按地区和产品类别两个维度做聚合。
import pandas as pd
import matplotlib.pyplot as plt
# 构造示例数据
data = {
'地区': ['华北', '华北', '华东', '华东', '华南', '华南', '华北', '华东', '华南'],
'产品类别': ['电子', '家居', '电子', '家居', '电子', '家居', '电子', '家居', '电子'],
'销售额': [120, 80, 150, 90, 110, 70, 130, 85, 125]
}
df = pd.DataFrame(data)
print(df)
2. 计算多维度聚合结果
使用pandas的pivot_table方法，可以同时按地区和产品类别两个维度聚合销售额，得到每个地区下不同产品类别的总销售额，这就是我们需要的多聚合结果。
# 按地区和产品类别聚合销售额
agg_result = pd.pivot_table(
df,
values='销售额',
index='地区',
columns='产品类别',
aggfunc='sum'
)
print(agg_result)
聚合后的结果是一个二维DataFrame，行是地区，列是产品类别，单元格值是对应的销售额总和，这样的结构非常适合直接绘制组合条形图。
3. 绘制组合多聚合结果的条形图
matplotlib的bar方法支持多次调用，每次绘制一组条形，我们只需要计算每组条形的位置，就能把多个聚合结果并排展示在同一张图中。
# 设置中文字体，避免中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 获取聚合结果的索引和列名
regions = agg_result.index.tolist()
categories = agg_result.columns.tolist()
# 每组条形的数量
n = len(categories)
# 条形宽度
bar_width = 0.25
# 计算每组条形的起始位置
x = range(len(regions))
# 绘制每组条形
for i in range(n):
# 当前组条形的位置
current_x = [pos + i * bar_width for pos in x]
# 当前组的数值
values = agg_result.iloc[:, i].tolist()
plt.bar(current_x, values, width=bar_width, label=categories[i])
# 设置x轴标签和刻度
plt.xticks([pos + bar_width for pos in x], regions)
plt.xlabel('地区')
plt.ylabel('销售额')
plt.title('各地区不同产品类别销售额对比')
plt.legend()
# 添加数值标签
for i in range(n):
current_x = [pos + i * bar_width for pos in x]
values = agg_result.iloc[:, i].tolist()
for x_pos, val in zip(current_x, values):
plt.text(x_pos, val + 2, str(val), ha='center', va='bottom')
plt.tight_layout()
plt.show()
样式优化技巧
- 可以通过
color参数自定义每组条形的颜色，让不同聚合结果的区分度更高 - 使用
plt.grid(axis='y', linestyle='--', alpha=0.7)添加横向网格线，方便读取数值 - 如果聚合结果较多，可以调整
figsize参数放大画布，避免条形挤压 - 可以通过
plt.ylim设置y轴范围，让数值标签不会被截断
注意事项
如果聚合结果中存在缺失值，需要先使用fillna方法填充，否则绘制时会出现条形缺失的问题。另外如果聚合维度较多，建议优先选择对比性强的维度组合，避免条形过多导致图表可读性下降。