Как я могу построить несколько столбцов с совершенно разным значением на одном графике?

Question

У меня есть следующие данные. Как я могу построить три столбца вместе (dist, price и count) для каждого района?

t1 = pd.DataFrame({'neighbourhood': ['Allston-Brighton', 'Back Bay', 'Beacon Hill', 'Brookline', 'Cambridge'], 
                   'dist': [5.318724014750601, 0.3170049667872781, 1.2481192434918875, 4.122402023894361, 2.975557190604119],
                   'price':[130.39048767089844, 276.3820495605469, 231.87042236328125, 127.90569305419922, 195.94696044921875],
                  'count':[238, 239, 135, 7, 7]})


    neighbourhood       dist        price       count
0   Allston-Brighton    5.318724    130.390488  238
1   Back Bay            0.317005    276.382050  239
2   Beacon Hill         1.248119    231.870422  135
3   Brookline           4.122402    127.905693  7
4   Cambridge           2.975557    195.946960  7

Есть ли у вас какие-либо предложения с matplotlib или seaborn? Спасибо!

Answer 1

То, что вы хотите, называется сгруппированным барплотом. Вы можете растопить фрейм данных, который переформатирует ваш фрейм данных в длинном формате, то есть в каждой окрестности и по одной переменной за раз в строке. Затем примените к этому расплавленному фрейму данных столбец морских линий.

Обновление: поскольку значения y находятся далеко друг от друга, мы можем добавить несколько меток. Это обходной путь, который проходит через каждую строку и добавляет метку к соответствующей строке. Значения, которые вы добавляете к x и y, являются методом проб и ошибок.

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

t1 = pd.DataFrame({'neighbourhood': ['Allston-Brighton', 'Back Bay', 'Beacon Hill', 'Brookline', 'Cambridge'], 
                   'dist': [5.318724014750601, 0.3170049667872781, 1.2481192434918875, 4.122402023894361, 2.975557190604119],
                   'price':[130.39048767089844, 276.3820495605469, 231.87042236328125, 127.90569305419922, 195.94696044921875],
                  'count':[238, 239, 135, 7, 7]})

t1_melted = pd.melt(t1, id_vars="neighbourhood", var_name="source", value_name="value_numbers")
g = sns.barplot(x="neighbourhood", y="value_numbers", hue="source", data=t1_melted)

for index, row in t1.iterrows():
     g.text(row.name - 0.35, row.dist + 0.1, round(row.dist, 2), color='black')

plt.show()