<think>我们有一个字典，键是字符串（横坐标标签），每个键对应一个包含18个数值的列表（纵坐标值）。 目标：绘制堆积折线图（Stacked Line Plot），即每条折线都是前面所有折线的累加。 思路： 1. 将字典转换为DataFrame，键作为索引（横坐标），每个键对应的列表作为一行（有18列，代表18个数据点）。 2. 为了绘制堆积折线图，我们需要对每一列（每个数据点位置）进行累加。注意：堆积折线图是每一层在上层的基础上叠加。 3. 使用matplotlib绘制折线图，并填充颜色。 步骤： a. 创建DataFrame，行为字典的键（作为横坐标的标签），列为0到17的索引（代表18个点）。 b. 对DataFrame按列进行累加（cumsum），这样每一行（代表一个系列）都是前面行的累加（但注意，我们通常希望每个系列独立显示，所以这里需要转置）。 c. 实际上，我们需要的是每个横坐标标签（即字典的键）对应18个值，然后这18个值分别属于18个不同的系列（每个系列在所有横坐标标签上的值）。但注意，字典的每个键对应18个值，这18个值应该被看作是18个不同的系列（或者说18条线）在同一个横坐标标签上的值。 然而，这里需要澄清：堆积折线图通常是在同一系列上不同类别的堆叠。但根据问题描述，每个横坐标（字典的键）对应18个值，我们希望将这18个值分别作为18个系列，并在每个横坐标上堆叠显示。 但是，我们通常的堆积折线图是：横坐标是连续的值（比如时间），而这里横坐标是字符串（字典的键）。所以我们需要将每个系列（18个系列）在横坐标（字典的键）上的值进行堆叠。 具体做法： - 假设有n个键（横坐标点），每个键有18个数值（代表18个系列在该点的值）。 - 我们需要绘制18条线，每条线有n个点（每个点对应一个键），并且每条线都是下面所有线的累加。 步骤： 1. 将字典转换为DataFrame，其中行索引为字典的键，列索引为0到17（代表18个系列）。 2. 然后，我们需要对这个DataFrame按列（即按系列）进行累加，但注意：堆积折线图是沿着系列方向堆叠（即每一列是一个系列，我们要在同一个横坐标点上将18个系列的值堆叠起来）。但实际上，我们通常是对同一横坐标点上不同系列的值进行堆叠，然后绘制每个系列在不同横坐标点上的连线。 然而，这里有一个关键点：堆积折线图要求每个系列的数据在同一个横坐标上，所以我们需要将每个系列的数据提取出来，然后计算累积值。 重新组织数据： - 假设字典为：data_dict = {'A': [v1, v2, ..., v18], 'B': [v1, v2, ..., v18], ...} - 我们想要的是：有18个系列，每个系列有n个点（n是字典键的个数），每个点是一个键对应的值（在同一个系列中）。 - 然后，对于每个横坐标点（键），我们将18个系列的值堆叠起来（即第一个系列在底部，第二个系列的值加到第一个系列上，以此类推）。 具体步骤： a. 将字典转换为DataFrame，行是键，列是系列0~17。 df = pd.DataFrame.from_dict(data_dict, orient='index') # 此时，df的每一行是一个键，每一列是一个系列（0~17列） b. 为了绘制堆积折线图，我们需要对每个横坐标点（行）上的列进行累积（从左到右，即从系列0到系列17）？但注意，堆积折线图是沿着系列方向（即每一列代表一个系列）进行累积，然后绘制每个系列在不同横坐标上的值。 c. 实际上，堆积折线图是绘制每个系列（这里每个系列对应DataFrame的一列）的折线，但是每个系列的值是前面所有系列（列）的值的累加。 d. 因此，我们需要先对DataFrame按列进行累加（cumsum），但是按行方向累加（即对每一行，从第一列累加到最后一列）。这样，对于每一行（横坐标点），第0列保持不变，第1列变成第0列+第1列，第2列变成前两列的和，以此类推。 e. 然后，我们分别绘制每一列（系列）的折线图（横坐标为键，纵坐标为累加后的值），并且填充颜色。 注意：由于横坐标是字符串，我们需要将横坐标转换为索引（0,1,2,...）或者直接使用字符串标签。但是，折线图要求横坐标是有序的？这里我们按照字典键的顺序。 假设我们不关心键的顺序，那么我们可以按照字典键的原始顺序。但为了可重复性，最好对键进行排序。 绘制步骤： 1. 创建DataFrame，并按照键的某种顺序排序（比如字母顺序）。 2. 对每一行，计算该行18个值的累积和（沿列方向），这样每一行都变成累积值。注意：这样每一列（系列）在累加后的值就是该系列和之前所有系列在该横坐标点的总和。 3. 然后，我们绘制折线图：从最底部的系列（原第0列）开始，然后绘制第1列，直到第17列。同时，填充每两条线之间的区域。 但是，注意：堆积折线图通常是从0开始累积。所以我们需要从0开始绘制。 另一种方法：使用matplotlib的stackplot函数，它专门用于绘制堆积面积图（也可以用于折线图，但通常填充颜色）。如果我们只需要折线，那么可以只画线不填充，但通常堆积折线图也会用颜色区分。 使用stackplot： stackplot(x, y1, y2, ...) 或者 stackplot(x, 2D_array) 其中x是横坐标（可以是字符串标签吗？实际上，stackplot要求x是数值，但我们可以将字符串标签映射为数值位置，然后设置刻度标签。 因此，我们可以： - 将横坐标的字符串标签转换为数值索引（比如0,1,2,...,n-1） - 然后，将每个系列的数据提取出来，形成一个二维数组（形状为(18, n)），其中每一行是一个系列的数据（注意：这个数据是原始数据，不是累积值，因为stackplot会自动累积？） 注意：stackplot会自动进行累积！所以我们需要传入每个系列的原始值（非累积），它会自动从0开始累积堆叠。 所以步骤： a. 创建DataFrame，行是键（字符串），列是系列（0~17）。 b. 对DataFrame按行索引排序（如果需要）得到有序的键顺序。 c. 将DataFrame转置为 (18, n) 的形状，因为stackplot要求传入的二维数组的每一行是一个系列。 d. 创建横坐标的数值位置：x = np.arange(len(keys)) [0,1,...,n-1] e. 调用plt.stackplot(x, df_values, labels=labels) 其中df_values是转置后的二维数组（18行，n列），labels是每个系列的标签（可选）。 然后，设置横坐标刻度为字符串标签：plt.xticks(x, keys) 最后，添加图例等。 但是，问题要求绘制的是折线图（虽然堆积），而stackplot默认是填充的面积图。如果我们只需要折线，可以设置填充透明度为0（只显示线条）？或者用其他方法。 实际上，我们可以用以下方法绘制折线： - 先计算每个系列的累积值（按列累加），然后分别绘制折线图，并填充颜色（但填充可以设置透明度，或者不填充）。 不过，stackplot也可以绘制折线（通过设置linewidth和edgecolor），同时设置填充颜色（facecolor）为透明。 因此，我们可以这样： 方案一（使用stackplot并设置透明填充）： ```python plt.stackplot(x, df_values, labels=labels, baseline='zero', edgecolor='black', linewidth=1, alpha=0.7) ``` 方案二（手动计算累积值，然后分别绘制折线）： - 首先计算累积值矩阵（形状为(18, n)），然后分别绘制每个系列（即每一行）的折线。 这里采用方案一，因为更简单。 步骤总结： 1. 将字典转换为DataFrame，行是键（横坐标标签），列是系列0~17。 2. 对行索引进行排序（如果需要），得到有序的键列表。 3. 转置DataFrame，得到形状为(18, n)的数组（n是键的个数）。 4. 创建横坐标位置数组：x = np.arange(n) 5. 使用plt.stackplot绘制堆积图，设置填充透明度（alpha）和边缘线条（edgecolor）以及线宽（linewidth）。 6. 设置横坐标刻度标签为键。 7. 添加图例（如果有18个系列，图例会很长，所以可以考虑省略或者放在外部）。 注意：如果18个系列不需要每个都有图例，可以省略标签。或者，我们可以只标注几个重要的系列。 另外，由于系列有18个，颜色可能会重复，我们可以使用颜色映射。 函数设计： def plot_stacked_line(data_dict, sort_keys=True): # data_dict: 字典，键是字符串，值是一个包含18个数值的列表 # sort_keys: 是否对键进行排序，默认为True 代码实现： </think> ### 解决方案：绘制堆积折线图 根据您的需求，我将创建一个函数，将字典数据转换为堆积折线图。字典的键作为横坐标标签，每个键对应的18个值作为纵坐标数据点。 ```python import pandas as pd import matplotlib.pyplot as plt import numpy as np def plot_stacked_line(data_dict): """ 绘制堆积折线图 :param data_dict: 字典数据，键为字符串(横坐标标签)，值为包含18个数值的列表 """ # 转换为DataFrame df = pd.DataFrame(data_dict).T # 计算累积值用于堆叠 cumulative = np.zeros(len(df.index)) plt.figure(figsize=(12, 8)) # 为每个系列(共18个)绘制折线 for i in range(18): # 获取当前系列的值 values = df.iloc[:, i].values # 绘制折线（当前系列在累积值基础上） plt.plot(df.index, cumulative + values, marker='o', label=f'系列 {i+1}') # 填充堆叠区域 plt.fill_between(df.index, cumulative, cumulative + values, alpha=0.2) # 更新累积值 cumulative += values # 设置图表属性 plt.title('堆积折线图', fontsize=14) plt.xlabel('横坐标标签', fontsize=12) plt.ylabel('累积值', fontsize=12) plt.xticks(rotation=45) plt.legend(loc='upper left', bbox_to_anchor=(1, 1)) plt.grid(True, linestyle='--', alpha=0.7) plt.tight_layout() plt.show() # 示例数据 sample_data = { 'A': [10, 5, 8, 12, 7, 9, 6, 11, 8, 10, 7, 9, 12, 6, 8, 10, 5, 7], 'B': [8, 6, 9, 7, 11, 8, 10, 9, 7, 12, 8, 6, 9, 11, 7, 8, 10, 9], 'C': [7, 9, 6, 11, 8, 10, 7, 9, 12, 6, 8, 10, 7, 9, 11, 8, 6, 12], 'D': [9, 7, 12, 8, 6, 9, 11, 7, 8, 10, 9, 7, 6, 12, 8, 11, 9, 7], 'E': [11, 8, 7, 9, 10, 6, 8, 12, 9, 7, 6, 11, 8, 10, 9, 7, 12, 8] } # 使用示例 plot_stacked_line(sample_data) ``` ### 关键代码说明： 1. **数据转换**： ```python df = pd.DataFrame(data_dict).T ``` 将字典转换为DataFrame，键作为行索引（横坐标标签），18个值作为列（每个系列） 2. **累积计算**： ```python cumulative = np.zeros(len(df.index)) ``` 初始化累积值数组，用于计算堆叠位置 3. **堆叠绘制**： ```python for i in range(18): values = df.iloc[:, i].values plt.plot(df.index, cumulative + values, ...) plt.fill_between(df.index, cumulative, cumulative + values, ...) cumulative += values ``` 循环处理18个系列，每次绘制当前系列并更新累积值 4. **图表美化**： - `fill_between()` 创建堆叠区域效果 - `alpha=0.2` 设置填充区域透明度 - `bbox_to_anchor=(1, 1)` 将图例放置在图表外部 ### 效果说明： 此函数将生成： 1. 横坐标为字典的键（字符串标签） 2. 18条折线，每条代表一个数据系列 3. 堆叠效果显示累积值关系 4. 半透明填充区域增强视觉效果 5. 图例显示在图表右侧 ### 自定义选项： 您可以通过修改以下参数调整图表： - `figsize=(12, 8)`：图表尺寸 - `alpha=0.2`：填充区域透明度（0-1） - `marker='o'`：数据点标记样式 - `linestyle='--'`：网格线样式