Summary
Demonstrates how to create stacked bar charts by calling the bar() function multiple times with a bottom parameter to layer data segments.

General domain of usage
Economic data analysis

**積み上げ棒グラフ**は、各x軸グループ内で複数のカテゴリを比較するための手法。例えば、各国の総GDPだけでなく、個々の経済部門が総額にどのように寄与しているかを示すことが可能。

import matplotlib.pyplot as plt
import numpy as np
countries = ['USA', 'China', 'Japan']
primary_sector = np.array([1.4, 4.8, 0.4])
secondary_sector = np.array([11.3, 6.2, 0.8])
tertiary_sector = np.array([14.2, 8.4, 3.2])
# Calling the bar() function multiple times for each category (sector)
plt.bar(countries, primary_sector)
plt.bar(countries, secondary_sector, bottom=primary_sector)
plt.bar(countries, tertiary_sector, bottom=primary_sector + secondary_sector)
plt.show()

積み上げ棒グラフを作成するには、`bar()`関数を部門ごとに複数回呼び出す。同じ`countries`リストをx軸に使用し、`bottom`パラメータによって各新しいセグメントが前のセグメントの上に積み重なるように設定。

`bottom` パラメータは、バーの下端の y 座標を指定。詳細は <a href="https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.bar.html" target="_blank"><svg width="1em" height="1em" viewBox="0 0 30 32" fill="none" xmlns="http://www.w3.org/2000/svg"><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M17.289 17.305v0c-1.754 1.754-4.597 1.754-6.351 0l-7.76-7.759c-1.755-1.755-1.755-4.601 0-6.356v0c1.753-1.753 4.595-1.756 6.351-0.005l6.208 6.187"></path><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M12.504 13.97v0c1.754-1.754 4.597-1.754 6.351 0l7.762 7.762c1.754 1.754 1.754 4.597 0 6.351v0c-1.754 1.754-4.597 1.754-6.351 0l-5.953-5.953"></path></svg> <code>bar()</code> ドキュメント</a> を参照。

さらに学ぶ

import unittest
import ast
import inspect
import user_code

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestStackedBarChart(unittest.TestCase):

    @classmethod
    def setUpClass(cls):
        source = inspect.getsource(user_code)
        cls.tree = ast.parse(source)

        # Collect all plt.bar calls
        cls.bar_calls = [
            node for node in ast.walk(cls.tree)
            if isinstance(node, ast.Call)
            and isinstance(node.func, ast.Attribute)
            and node.func.attr == 'bar'
        ]

    def test_bar_function_called_twice(self):
        bar_count = len(self.bar_calls)
        _dynamic_test(
            self,
            bar_count == 2,
            "Correct number of `plt.bar()` calls (2)",
            f"Expected 2 `plt.bar()` calls, but found {bar_count}"
        )

    def test_first_bar_call_uses_questions_and_yes_answers(self):
        try:
            call = self.bar_calls[0]
            args = call.args
            arg0 = getattr(args[0], 'id', None) if len(args) > 0 else None
            arg1 = getattr(args[1], 'id', None) if len(args) > 1 else None

            _dynamic_test(
                self,
                arg0 == 'questions',
                "First argument of first `plt.bar()` is `questions`",
                f"First argument of first `plt.bar()` should be `questions`, found `{arg0}`"
            )
            _dynamic_test(
                self,
                arg1 == 'yes_answers',
                "Second argument of first `plt.bar()` is `yes_answers`",
                f"Second argument of first `plt.bar()` should be `yes_answers`, found `{arg1}`"
            )

        except IndexError:
            self.fail("First `plt.bar()` call is missing.")

    def test_second_bar_call_stacked_on_first(self):
        try:
            call = self.bar_calls[1]
        except IndexError:
            self.fail("Second `plt.bar()` call is missing.")
            return

        args = call.args
        arg0 = getattr(args[0], 'id', None) if len(args) > 0 else None
        arg1 = getattr(args[1], 'id', None) if len(args) > 1 else None
        keywords = {kw.arg: kw.value for kw in call.keywords}
        bottom_val = getattr(keywords.get('bottom', None), 'id', None)

        _dynamic_test(
            self,
            arg0 == 'questions',
            "First argument of second `plt.bar()` is `questions`",
            f"First argument of second `plt.bar()` should be `questions`, found `{arg0}`"
        )
        _dynamic_test(
            self,
            arg1 == 'no_answers',
            "Second argument of second `plt.bar()` is `no_answers`",
            f"Second argument of second `plt.bar()` should be `no_answers`, found `{arg1}`"
        )
        _dynamic_test(
            self,
            'bottom' in keywords,
            "`bottom` keyword is present in second `plt.bar()`",
            "`bottom` keyword argument is missing in second `plt.bar()`"
        )
        _dynamic_test(
            self,
            bottom_val == 'yes_answers',
            "`bottom` is set to `yes_answers`",
            f"`bottom` should be set to `yes_answers`, found `{bottom_val}`"
        )

if __name__ == '__main__':
    unittest.main()


test_stacked_bar_charts.py

データは私たちの身の回りにあふれており、それを理解することは非常に重要です。可視化は、データ内の特定のパターンや洞察を見つけることで、データを扱うのに役立ちます。Pythonとそのライブラリ（matplotlibやseabornなど）を用いて、データからできるだけ多くの情報を整然かつ簡潔に取得するためのデータ可視化の確かな基礎を身につけます。

Matplotlibによるデータ可視化の基本を学びます。コアとなる概念を理解し、その利点を探り、この基本的なプロットライブラリを使って最初のシンプルなプロットを作成します。

最も一般的なプロットタイプを使ってデータを視覚化する方法を習得します。折れ線グラフ、散布図、棒グラフを作成し、データから得られる洞察を明確に伝える方法を学びます。

プロットをより情報豊かで視覚的に魅力的にする方法を学びます。タイトル、凡例、色、グリッドの追加や、複数のサブプロットを効果的に配置する方法を紹介します。

データの分布やパターンを分析するための統計的な可視化手法を探求します。ヒストグラム、箱ひげ図、円グラフを作成し、より深い統計的洞察を得ます。

Seabornを使用して、可視化スキルをさらに高めましょう。カウントプロット、KDE、ペアプロット、ヒートマップなどの高度なプロットを作成し、Seabornの洗練されたスタイルとカスタマイズオプションを習得します。

積み上げ棒グラフ

解答