Python 按色调组调整seaborn countplot

我有一个类似这样的数据集

地位 年龄组 失败 18-25 失败 26-30 失败 18-25 成功 41-50

---

显示比例的最简单方法是通过

sns.histogram（…，multiple='fill'）

。要强制对年龄组和状态进行排序，创建有序类别会有所帮助

下面是一些使用seaborn 0.11.1测试的示例代码：

导入matplotlib.pyplot作为plt
从matplotlib.ticker导入百分比格式化程序
导入seaborn作为sns
将numpy作为np导入
作为pd进口熊猫
data=pd.DataFrame（{'status'：np.random.choice（['Success'，'Failure']，100，p=[.7，.3]），
“年龄组”：np.随机选择（['18-45'，'45-60'，'>60']，100，p=[.2,3,5]））
数据['age_group']=pd.Category（数据['age_group']，有序=True，类别=['18-45'，'45-60'，'>60']）
数据['status']=pd.Categorical（数据['status']，有序=True，类别=['Failure'，'Success']）
ax=sns.histplot（y='age\u group'，hue='status'，multiple='fill'，data=data）
ax.xaxis.set\u major\u格式化程序（百分比格式化程序（1））
ax.set_xlabel（'百分比'）
plt.show（）

现在，为了创建问题的精确图，一些熊猫人工可能会创建以下数据框：

• 计算每个年龄组和状态的值
• 除以每个年龄组的总数

也许可以采取一些快捷方式，但这就是我如何尝试与pandas打交道的方式（编辑自@PatrickFitzGerald的评论：使用

pd.crosstab（）

）：

#df=data.groupby（['status'，age\u group']）.agg（len）.重置索引（level=0）\
#.pivot（columns='status'）.droplevel（level=0，axis=1）
#总计=df.总和（轴=1）
#df['Success']/=总计
#df['Failure']/=总计
df=pd.交叉表（数据['age_group']，数据['status']，normalize='index'）
df1=df.melt（var\u name='status'，value\u name='percentage'，ignore\u index=False）.reset\u index（）
ax=sns.barplot（y='status'，x='percentage'，hue='age\u group'，palete='rocket'，data=df1）
ax.xaxis.set\u major\u格式化程序（百分比格式化程序（1））
ax.set_xlabel（'百分比'）
ax.set_ylabel（“”）
plt.show（）

---

快捷方式：

df=pd.crosstab（数据['age\u group'，数据['status'，normalize='index'）

和

ax.xaxis.set\u major\u格式化程序（'{x:.0%}'）

@PatrickFitzGerald非常感谢！