如何在Matplotlib中的堆栈百分比条形图上添加注释？

如何解决如何在Matplotlib中的堆栈百分比条形图上添加注释？

我想使用matplotlib向堆叠的条形图添加值。到目前为止，我已经能够创建堆叠的条形图，但是我对如何添加注释感到困惑。

here回答了类似的问题，但对于ggplot。

我想要的输出类似于整个图，而不是中间的注释。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


data = {'Range':['<10','>10','>= 20','<10','>= 20'],'Price':[50,25,70,20,10,80,10]
    'Value':[100,50,140,40,160,20]}    

df1 = pd.DataFrame(data)

b1 = df1[(df1['Range'] == '<10']['Price']
b2 = df1[df1['Range'] == '>10']['Price']
b3 = df1[df1['Range'] == '>= 20']['Price']

totals = [i+j+k for i,j,k in zip(b1,b2,b3)]
greenBars = [i / j * 100 for i,j in zip(b1,totals)]
orangeBars = [i / j * 100 for i,j in zip(b2,totals)]
blueBars = [i / j * 100 for i,j in zip(b3,totals)]


barWidth = 0.5

names = ('low','medium','high')
r = [0,1,2]
plt.bar(r,greenBars,color='#b5ffb9',edgecolor='white',width=barWidth,label = '$<10')
plt.bar(r,orangeBars,bottom=greenBars,color='#f9bc86',label = '$>10')
plt.bar(r,blueBars,bottom=[i+j for i,j in zip(greenBars,orangeBars)],color='#a3acff',label = '$>=20')


plt.xticks(r,names)
plt.xlabel("group")

plt.legend(loc='upper left',bBox_to_anchor=(1,1),ncol=1)

plt.show()

在上面添加了代码以创建堆叠图。所需的输出：

对于“低”类别，通过从列Value中提取100、50和50的值，在堆栈上添加注释

“中”值将为140、40和20。

对于高值，分别为160、20和20。

解决方法

此答案将根据Quang Hoang中的代码简化绘制过程。
可以通过从ax.patches中提取条形位置来注释条形图。
- 补丁数据不包含与数据框相对应的标签，因此关联不同的数据值集成为定制过程。
为了用Value而不是Price进行注释，需要一种方法来关联相应的值。
- 字典不起作用，因为有重复值
- 为Value做一个透视数据框，为Price做一个相应的数据框。这样可以确保相应的数据位于同一位置。
col_idx和row_idx将与.iloc一起使用，以在df_value中找到正确的值，并用其注释图。
- col_idx和row_idx都可以在if i%3 == 0中重设或更新，因为有3个小节和3个细分，但是，如果有不同数量的小节和细分，则需要设置不同的重置条件。

import pandas as pd
import matplotlib.pyplot as plt

# create the dataframe
data = {'Range':['<10','>10','>= 20','<10','>= 20'],'Price':[50,25,70,20,10,80,10],'Value':[100,50,140,40,160,20]}    

df1 = pd.DataFrame(data)

# pivot the price data
df_price = df1.assign(idx=df1.groupby('Range').cumcount()).pivot(index='idx',columns='Range',values='Price')

Range  <10  >10  >= 20
idx                   
0       50   25     25
1       70   20     10
2       80   10     10

# pivot the value data
df_value = df1.assign(idx=df1.groupby('Range').cumcount()).pivot(index='idx',values='Value')

Range  <10  >10  >= 20
idx                   
0      100   50     50
1      140   40     20
2      160   20     20

# set colors
colors = ['#b5ffb9','#f9bc86','#a3acff']

# plot the price
ax = df_price.plot.bar(stacked=True,figsize=(8,6),color=colors,ec='w')

# label the x-axis
plt.xticks(ticks=range(3),labels=['low','med','high'],rotation=0)

# x-axis title
plt.xlabel('group')

# position the legend
plt.legend(bbox_to_anchor=(1.05,1),loc='upper left')

# annotate the bar segments
# col and row iloc indices for df_value
col_idx = 0
row_idx = 0

# iterate through each bar patch from ax
for i,p in enumerate(ax.patches,1):

    left,bottom,width,height = p.get_bbox().bounds
    v = df_value.iloc[row_idx,col_idx]
    if width > 0:
        ax.annotate(f'{v:0.0f}',xy=(left+width/2,bottom+height/2),ha='center',va='center')

        # use this line to add commas for thousands
#        ax.annotate(f'{v:,}',va='center')
    
    row_idx += 1
    if i%3 == 0:  # there are three bars,so update the indices 
        col_idx += 1
        row_idx = 0