如何使用 matplotlib 创建带有 timedeltas 的堆叠条形图？

Question

刚刚开始使用 pandas 进行数据可视化。目前，我尝试使用 matplotlib 可视化一个 pd，如下所示：

              Initiative_160608 Initiative_160570 Initiative_160056  

Beschluss_BR         2009-05-15        2009-05-15        2006-04-07   

Vorlage_BT           2009-05-22        2009-05-22        2006-04-26   

Beratung_BT          2009-05-28        2009-05-28        2006-05-11   

ABeschluss_BT        2009-06-17        2009-06-17        2006-05-17   

Beschlussempf        2009-06-17        2009-06-17        2006-05-26   

如您所见，我有许多列，其中包含五个不同的日期（每个日期都象征着五个事件链中的一个事件）。现在解决问题：

我的计划是使用 5 个不同事件之间的时间增量（第一个事件和最后一个事件之间经过了多少天，包括其间的日期），使用堆叠的水平图表来可视化显示的数据。每列应代表图表中的一个条形。整个图表不是关于已经过去的绝对时间，而是关于五个事件的持续时间相对于一列的总持续时间，这意味着所有条的总长度应该相同。

但是我还没有找到任何类似的东西，也没有自己找到解决方案。我将非常感谢任何类型的解决方案来处理显示的数据。

Answer 1

我不确定这是否是您要查找的内容，但是如果每列都应该是条形，并且您希望每列中的时间增量，那么您需要每行之间的天数差异，我是猜测第一行应该有0天的差异（因为它是起点）。同样对于堆叠条形图，索引用于创建类别，但在您的情况下，您希望列作为类别，并且每个条形图由不同的索引值组成。这意味着您最终需要转置您的 df 。这个解决方案非常丑陋，但希望它有所帮助。import numpy as npimport pandas as pdimport matplotlib.pyplot as pltdf = pd.DataFrame({    "Initiative_160608": ['2009-05-15', '2009-05-22', '2009-05-28', '2009-06-17', '2009-06-17'],    "Initiative_160570": ['2009-05-15', '2009-05-22', '2009-05-28', '2009-06-17', '2009-06-17'],    "Initiative_160056": ['2006-04-07', '2006-04-26', '2006-05-11', '2006-05-17', '2006-05-26']})df.index = ['Beschless_BR', 'Vorlage_BT', 'Beratung_BT', 'ABeschless_BT', 'Beschlussempf']# convert everything to datesdf = df.apply(lambda x: pd.to_datetime(x, format="%Y-%m-%d"))def get_days(x):    diff_list = []    for i in range(len(x)):        if i == 0:            diff_list.append(x[i] - x[i])        else:            diff_list.append(x[i] - x[i-1])    return diff_list# get the difference in days, then convert back to numbersdf_diff = df.apply(lambda x: get_days(x), axis = 0) df_diff = df_diff.apply(lambda x: x.dt.days)# transpose the matrix so that each initiative becomes a stacked bardf_diff = df_diff.transpose()# replace 0 values with 0.2 so that the bars are visibledf_diff = df_diff.replace(0, 0.2)df_diff.plot.bar(stacked = True)plt.show()