Более эффективная гистограмма диаграммы matplotlib - как рассчитать нижние значения

Мне нужна помощь в создании набора штабелированных графиков в python с помощью matlibplot. Мой базовый код ниже, но мои проблемы в том, как сгенерировать значение bottom для любого элемента за 2-й эффективный . Я могу получить примерный граф для правильного стека (всегда a, b, c, d снизу вверх)

import numpy as np
import matplotlib.pyplot as plt

ind = np.arange(3)

a = [3,6,9]
b = [2,7,1]
c = [0,3,1]
d = [4,0,3]

p1 = plt.bar(ind, a, 1, color='#ff3333')
p2 = plt.bar(ind, b, 1, color='#33ff33', bottom=a)
p3 = plt.bar(ind, c, 1, color='#3333ff', bottom=[a[j] +b[j] for j in range(len(a))])
p4 = plt.bar(ind, d, 1, color='#33ffff', bottom=[a[j] +b[j] +c[j] for j in range(len(a))])

plt.show()

Мой последний код может иметь очень большое количество баров, а постоянно расширяющаяся функция bottom = [...] не может быть лучшим решением. Было бы здорово, если бы вы также могли объяснить, как мне нужно получить ценность. Есть функция numpy.

Большое спасибо!!! PS Я искал ответ, но я не понимал, что я могу найти.

Ответы

Ответ 1

Недавно я столкнулся с той же проблемой. Впоследствии я решил обернуть все в класс. Для всех, кого это интересует, вы получаете реализацию класса столбчатых столбцов:

https://github.com/minillinim/stackedBarGraph

Он позволяет масштабировать накопленные графики, а также устанавливать ширину полосы и устанавливать высоту (с масштабированными внутренними).

Учитывая набор данных, подобный этому:

    d = np.array([[101.,0.,0.,0.,0.,0.,0.],
                  [92.,3.,0.,4.,5.,6.,0.],
                  [56.,7.,8.,9.,23.,4.,5.],
                  [81.,2.,4.,5.,32.,33.,4.],
                  [0.,45.,2.,3.,45.,67.,8.],
                  [99.,5.,0.,0.,0.,43.,56.]])

    d_heights = [1.,2.,3.,4.,5.,6.]
    d_widths = [.5,1.,3.,2.,1.,2.]
    d_labels = ["fred","julie","sam","peter","rob","baz"]
    d_colors = ['#2166ac',
                '#fee090',
                '#fdbb84',
                '#fc8d59',
                '#e34a33',
                '#b30000',
                '#777777']

Он может создавать такие образы:

GPLv3 с любовью.

Ответ 2

Преобразование ваших значений в массивы numpy облегчит вашу жизнь:

data = np.array([a, b, c, d])
bottom = np.cumsum(data, axis=0)
colors = ('#ff3333', '#33ff33', '#3333ff', '#33ffff')

plt.bar(ind, data[0], color=colors[0])
for j in xrange(1, data.shape[0]):
    plt.bar(ind, data[1], color=colors[j], bottom=bottom[i-1])

В качестве альтернативы, чтобы избавиться от неприятного частного случая для первого бара:

data = np.array([a, b, c, d])
bottom = np.vstack((np.zeros((data.shape[1],), dtype=data.dtype),
                    np.cumsum(data, axis=0)[:-1]))
colors = ('#ff3333', '#33ff33', '#3333ff', '#33ffff')
for dat, col, bot in zip(data, colors, bottom):
    plt.bar(ind, dat, color=col, bottom=bot)

Ответ 3

[sum(values) for values in zip(a, b, c)]

В Python 2 вы также можете сделать

map(sum, zip(a, b, c))

но Python 3 понадобится

list(map(sum, zip(a, b, c)))

который менее приятен.

Вы можете инкапсулировать это:

def sumzip(*items):
    return [sum(values) for values in zip(*items)]

а затем do

p1 = plt.bar(ind, a, 1, color='#ff3333')
p2 = plt.bar(ind, b, 1, color='#33ff33', bottom=sumzip(a))
p3 = plt.bar(ind, c, 1, color='#3333ff', bottom=sumzip(a, b))
p4 = plt.bar(ind, d, 1, color='#33ffff', bottom=sumzip(a, b, c))

тоже.

Если a, b, c и d являются массивами numpy, вы также можете сделать sum([a, b, c]):

a = np.array([3,6,9])
b = np.array([2,7,1])
c = np.array([0,3,1])
d = np.array([4,0,3])

p1 = plt.bar(ind, a, 1, color='#ff3333')
p2 = plt.bar(ind, b, 1, color='#33ff33', bottom=sum([a]))
p3 = plt.bar(ind, c, 1, color='#3333ff', bottom=sum([a, b]))
p4 = plt.bar(ind, d, 1, color='#33ffff', bottom=sum([a, b, c]))

Ответ 4

Я решил это так:

import numpy as np

dates = # somehow get a list of dates
labels = # a list of various labels
colors = # somehow get a list of colors

margin_bottom = np.zeros(dates)

for index, label in enumerate(labels):
    values = # get your values for the label at index-th position from somewhere
    ax.bar(
        dates, values, 
        align='center', label=label, color=colors[index], bottom=margin_bottom
    )
    margin_bottom += values # here you simply add it to the previous margin
    # margin_bottom is a numpy array, adding a list will not change that

Он похож на некоторые другие решения, но он не требует, чтобы все поля сохранялись в любое время. Вместо этого он "строит" стеки снизу вверх, добавляя все больше и больше полей с каждой итерацией.