Python 100% 使用 matplotlib 堆叠和分组的条形图

因为我们知道总百分比将是sample_ids%，所以我们只需将"False"值设置为1.然后，我们可以融化sample_ids列上的数据帧，重命名这些列，并将所有内容乘以sample_ids(以使它们成为百分比).从这里，我们将通过 Select 包含F的percs列中的值来获取"False"百分比，然后用Seborn将其绘制成图，以便我们可以将色调设置为perc名称.将调色板设置为您想要的任何 colored颜色 ，然后将Alpha设置为0.5，以使真和假百分比之间的差异更加明显.然后在后面绘制真实百分比(这将它们放在错误百分比条形图的前面)，您就得到了堆叠的条形图:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (20,10)

df = pd.DataFrame({'sample_ids':['sample1', 'sample2', 'sample3'], 
                   'perc_A':[0.75,0.66667,0.70213],
                   'perc_B':[0.18182,0.24747,0.28176],
                   'perc_C':[0.4222,0.15823,0.17925]})

df[['perc_F_A', 'perc_F_B', 'perc_F_C']] = 1

meltedDF = df.melt(id_vars=['sample_ids'], var_name='perc', value_name='percent')
meltedDF['percent']=meltedDF['percent']*100

sns.barplot(data=meltedDF[meltedDF.perc.str.contains('F')], x='sample_ids', y='percent', hue='perc', palette=['blue','green','red'], alpha=0.5)
sns.barplot(data=meltedDF[~meltedDF.perc.str.contains('F')], x='sample_ids', y='percent', hue='perc', palette=['blue','green','red'])
plt.show()

图表:

顺便说一句，如果你确实想要你的"假"百分比的真实价值，一个更好的方法是这样做:

df = pd.DataFrame({'sample_ids':['sample1', 'sample2', 'sample3'], 
                   'perc_A':[0.75,0.66667,0.70213],
                   'perc_B':[0.18182,0.24747,0.28176],
                   'perc_C':[0.4222,0.15823,0.17925]})

df[['perc_F_A', 'perc_F_B', 'perc_F_C']] = df.groupby('sample_ids').apply(lambda x: 1-x)

输出:

   sample_ids   perc_A   perc_B     perc_C   perc_F_A   perc_F_B    perc_F_C
0   sample1     0.75000  0.18182    0.42220  0.25000    0.81818  0.57780
1   sample2     0.66667  0.24747    0.15823  0.33333    0.75253  0.84177
2   sample3     0.70213  0.28176    0.17925  0.29787    0.71824  0.82075