准备步骤是将具有单个列和MultiIndex的DataFrame转换为具有“普通”索引和每个类别单独的列的DataFrame ：

df2 = df.Profitability.unstack()

或者，如果您的数据源是Series（而不是DataFrame），则运行：

df2 = q1.unstack()

结果更适合作为图形来源：

Category  Cosmetics  First Aid  Magazine  Supplements  Toiletries
Month                                                            
1         2685.9000   2128.020    703.89     37005.62     1893.06
2         2569.0600   3282.785    679.11     36647.88     1357.75
3         1350.7925   2238.310    371.12     21444.09     1226.16

绘制数字，基本方法是采用y轴的线性比例。绘制它的代码是：

ax = df2.plot.bar(rot=0)
ax.get_figure().suptitle(t='Profitability', fontsize=20)
ax.legend(bbox_to_anchor=(1.35, 1.0));

最后一条指令将图例向右“移动”（与默认位置相比），否则它将使某些条形变得模糊（尝试在不使用该指令的情况下进行绘制）。

结果是：

但是请注意，与其他类别相比，“ 辅助”的条形非常高。

这就是为什么我基于y轴的对数刻度提出第二个解决方案的原因：

ax = df2.plot.bar(rot=0, logy=True)
ax.get_figure().suptitle(t='Profitability', fontsize=20)
ax.legend(bbox_to_anchor=(1.1, 1.0))
yTicks = [1000, 3000, 10000, 30000]
yTickLabels = [ f'{i:,}' for i in yTicks ]
ax.set_yticks(yTicks)
ax.set_yticklabels(yTickLabels);

最后4条指令更改了y轴上的默认刻度，因为我认为它们比默认刻度更具可读性（尝试绘制没有这4条线的图形进行比较）。

结果是：

现在，条的高度很容易比较，并且大约在tick（n-1）* 3的基础上选择y刻度。

编辑

如果您希望图例带有标题，请title='Category'在ax.legend(...)指令中添加参数，无论选择哪种上述解决方案。