Pandas library提供了简单有效的工具来分析和绘制 Dataframe 。
考虑到pandas库已经安装，并且数据位于.csv文件中（与您提供的示例相匹配）。

1.导入pandas库并加载数据

import pandas as pd

data = pd.read_csv('filename.csv')

字符串
你现在有一个Pandas Dataframe如下：

id  year  type  sale
0   1   1998    a   5
1   2   2000    b   10
2   3   1999    c   20
3   4   2001    b   15
4   5   2001    a   25
5   6   1998    b   5

型

2.绘制“销售”vs“类型”

这可以通过以下方式轻松实现：

data.plot('type', 'sale', kind='bar')

型
这导致

的数据
如果您希望对每种类型的销售进行求和，data.groupby('type').sum().plot(y='sale', kind='bar')可以实现这一点（请参阅#3了解解释）

3.绘制“销售”与“年份”

这基本上是相同的命令，只是您必须首先使用groupby pandas函数对同一年的所有销售进行求和。

data.groupby('year').sum().plot(y='sale', kind='bar')

型
这将导致

的
编辑：

4每年拆栈不同类型

您还可以通过在2个变量上使用groupby来解栈每个条形图每年的不同“类型”

data.groupby(['year', 'type']).sum().unstack().plot(y='sale', kind='bar', stacked=True)

型

注意：

有关实现所需布局的详细信息，请参阅Pandas Documentation on visualization。