用途：把带百分号的分类占比数据清洗后，补全缺失的“其他”维度，绘制堆叠柱状图，直观呈现各分类构成随时间的变化趋势。
主要能力：1）用正则/字符串处理把百分比字符串转为浮点数，已是数值则直接返回；2）将清洗结果整理为 pandas DataFrame，按时间维度与各分类列组织，便于向量化计算；3）依据总和为100%的约束推算缺失维度占比并做数据校验；4）用 Matplotlib/Seaborn 绘制堆叠柱状图，通过 bottom 参数逐层累加高度，支持中文字体配置、标签旋转、图例位置与 whitegrid 风格等美学设置；5）导出 PNG 并清理画布。
必要用法：先定义 convert_percentage 转换函数处理百分比；再构建含 group_col 与各分类列的 DataFrame；计算已知分类合计后得出 cat_remainder，并验证各维度相加接近100；绘图时每层 bottom 为前几层高度之和；最后用 plt.savefig(output_path, dpi=300, bbox_inches='tight') 保存，并 plt.show()、plt.close()。
适用场景：时间序列或分类维度的占比构成分析，例如按月展示各分类比例变化并补全未列出的剩余份额。
限制：资料未提供依赖版本、数据规模上限、交互式图表或非 Matplotlib 方案；示例颜色、标签与文件名仅作演示，实际需按数据替换；若原始百分比合计不接近100%或缺失维度含义不明，推算结果需人工复核。