使用pandas.Dataframe.plot将条形图的颜色调整为红色（负色）和绿色（正色）

Question

我正在使用pd.DataFrame.plot（）可视化多个品牌之间的同比变化。我不确定如何访问每个子图并将> = 0的值设置为绿色，<0的值设置为红色。我想避免不得不在无花果，斧头中拆分代码。想知道是否有一种方法可以将其包含在df.plot（）的参数中。

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7],
       'D': [np.nan, -0.1, 1]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])`
df.plot(kind='bar', subplots=True, sharey=True, layout=(2,2), legend=False,
        grid=False, colormap='RdBu')

我尝试使用颜色图，但是它不会将各个条设置为不同的颜色，而是将每个子图设置为不同的颜色。我确定我想念什么。任何帮助表示赞赏。

Example of 2x2 subplots

Answer 1

您可以使用以下策略：

• 使用matplotlib和sharey=True，使用子图创建图形对象
• 遍历DataFrame列，并为值分配绿色/红色，如this答案所示
• 传递给定的子图以使用ax=ax
绘制特定列

---

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

fig, axes = plt.subplots(ncols=3, sharey=True)

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])

for ax, col in zip(axes, df.columns):
    df[col].plot(kind='bar', color=(df[col] > 0).map({True: 'g', False: 'r'}), ax=ax)
    ax.set_title(col)
plt.show()

Answer 2

解决如下

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2, sharey=True)

data= {'A': [np.nan, -0.5, 0.5], 
       'B': [np.nan, 0.3, -0.3],
       'C': [np.nan, -0.7, 0.7],
       'D': [np.nan, -1, 1]}
df = pd.DataFrame(data=data, index=['2016', '2017', '2018'])

for i, col in enumerate(df.columns):
     df[col].plot(kind='bar', color=(df[col] > 0).map({True: 'g', False: 'r'}), 
     ax=axes[i // 2][i % 2], sharex=True, sharey=True, grid=False)
axes[i // 2][i % 2].set_title(col)
plt.show()

Example solution