df.plot.bar() 用于短标签纵向柱状图，df.plot.barh() 适合中文长标签横向展示，避免重叠；barh() 中 x 为类别、y 为数值，stacked=True 实现水平堆叠，多行数据时可读性更优。
df.plot.bar() 和 df.plot.barh() 怎么选
横向还是纵向，取决于类别标签长度和阅读习惯。如果 Field 或 Name 是中文长文本（比如“人工智能算法工程师”），用 plot.barh() 更省空间，避免标签重叠或旋转失效；反之，年份、季度等短标签用 plot.bar() 更符合直觉。
注意：barh() 的 x 参数对应横轴（即类别），y 对应数值列列表——这点和 bar() 一致，但初学者常误把 y 当成纵坐标轴名而报错 KeyError。
- 横向图默认不自动旋转标签，需手动加
plt.xticks(rotation=45)或用ax.set_xticklabels(..., rotation=45) -
barh()中的stacked=True依然生效，堆叠方向是水平延伸（从左到右累加） - 若数据行数多（>20），
barh()可读性显著优于bar()，尤其配合sort_values()排序后
分组柱状图 vs 堆叠柱状图：参数和语义区别
分组（并列）和堆叠本质是两种分析逻辑：分组用于对比同类别下各指标大小（如“每个城市中男/女数量”），堆叠用于看整体构成（如“每个城市总人口中男女占比”）。Pandas 里只差一个参数，但意义完全不同。
- 分组图：直接传入多列，如
df[['Age', 'Score']].plot.bar()—— 默认并列，每组两个柱子 - 堆叠图：加
stacked=True，如df[['Oct', 'Nov', 'Dec']].plot.bar(stacked=True)—— 每个横坐标位置只出一个柱子，内部按列分段 - 别用
subplots=True混淆概念：那是为每列单独画一张子图，不是分组，也不共享坐标轴 - 堆叠时若含负值，Pandas 会自动上下双向堆叠（正数向上、负数向下），但容易造成视觉误导，建议提前检查
df.min(numeric_only=True)
中文标签显示不全或方块乱码怎么办
这不是 Pandas 的问题，是 Matplotlib 缺少中文字体支持。Pandas 的 .plot() 底层调用 Matplotlib，所以必须在绘图前设置字体，且不能只靠 plt.xlabel(..., fontproperties='SimHei') 局部覆盖——那样标题、图例、刻度仍可能乱码。
- 推荐做法：全局设置
mpl.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS']，并关闭字体查找缓存（mpl.rcParams['axes.unicode_minus'] = False防止负号变方块） - Windows 下
'SimHei'通常可用；Mac 用户改用'Heiti SC'；Linux 可装fonts-wqy-zenhei后填'WenQuanYi Zen Hei' - 绕过字体配置的临时方案：用英文列名 + 图例说明，例如列名设为
'sales_2023'，再用plt.legend(['销售额2023'])
排序+颜色+图例这些细节怎么不翻车
真实场景中，柱状图常需按某列排序、指定颜色、调整图例位置——但顺序错了就会白忙活。关键点在于：排序必须在绘图前完成，且影响的是 DataFrame 行序；颜色按列顺序匹配，不是按原始列名字母序。
- 排序：用
df.sort_values(by='Total', inplace=True)，之后再调plot.bar()，否则图表仍是原始顺序 - 颜色：传入
color=['#1f77b4', '#ff7f0e']时，第一个色对应y列表里的第一项（如['Oct', 'Nov']中的Oct） - 图例位置：默认在右上，拥挤时加
plt.legend(loc='lower right')或bbox_to_anchor=(1.05, 1)外置 - 横坐标标签太挤？别硬调
rotation=90，它在barh()下无效；改用ax.set_yticklabels(df['Name'], rotation=0)（对barh是 y 轴）
最容易被忽略的是：绘图后修改坐标轴标签，必须用 plt.gca() 获取当前轴对象，而不是新建一个 plt.subplot()——后者会覆盖原图，导致柱子还在但标签消失。
