如何使用matplotlib创建带有时间增量的堆叠式条形图？

Question

只需进入熊猫的数据可视化。此刻，我尝试使用matplotlib可视化一个如下所示的pd：

              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（每个日期代表五个事件的总链中的一个事件）。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，包括中间的日期），以堆叠的水平图表显示显示的数据。每列应代表图表中的一个条形图。整个图表不是关于经过的绝对时间，而是关于五个事件的持续时间（相对于一栏的总持续时间），这意味着所有条形图的总长度都应相同。

但是我还没有找到任何类似的东西或自己找到了解决方案。对于采用所示数据进行处理的任何解决方案，我将深表感谢。

Answer 1

我不确定这是否是您要查找的，但是如果每列都应该是一个条形，并且您希望每列中都有时间增量，那么您需要每行之间的天数差，而且我猜第一行应该相差0天（因为这是起点）。

对于堆叠的条形图，索引也用于创建类别，但是在您的情况下，您希望将列作为类别，并且每个条形都由不同的索引值组成。这意味着您最终需要转置df。

此解决方案很难看，但希望能有所帮助。

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

df = 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 dates
df = 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 numbers
df_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 bar
df_diff = df_diff.transpose()
# replace 0 values with 0.2 so that the bars are visible
df_diff = df_diff.replace(0, 0.2)
df_diff.plot.bar(stacked = True)
plt.show()