使用python/pandas/seaborn将分类数据绘制成相对频率的单条形图

我有一大堆调查中的分类数据，我想用与图中所示相同的方式来绘制。实际上，它是一个条形饼图

数据在熊猫数据框中，下面是一个我尝试做的玩具示例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt


# create toy dataframe
df = pd.DataFrame({'Names': ['Steve','Steve','Steve','Jon','Michael','Michael','Eric'] })


# get pd.Series of counts of each name
data_counts = df['Names'].value_counts()


# return the name of each category, and its counts separately
category_names = data_counts.index
category_counts = data_counts.get_values()


# attempt to plot
f, ax = plt.subplots(figsize=(10, 10))
colors = ['red', 'green', 'blue', 'yellow']
i=0
for name, data in zip(category_names, category_counts):

    sns.barplot(x=data, label=name, color=colors[i])
    i+=1

handles, labels = ax.get_legend_handles_labels()
ax.legend(loc='upper right', prop={'size':12})

这会产生一种堆叠的直方图，但每个类别并不是按比例表示的。每个条形图都是过度绘制的，而不是作为分数共享绘制的

---

这是正确的吗？

首先，您没有正确使用子批次，请参见此处：

其次，可以使用pandas的基本绘图功能绘制堆叠条形图：

pd.DataFrame(data_counts).transpose().plot(kind='barh', stacked=True)

请注意，对于要堆叠的条形图，必须转置数据，并且为了转置熊猫系列，需要首先将其转换为数据帧

---

最后，如果您确实想使用Seaborn，此链接可能会有所帮助：

不是最优雅的，但它可以：

x = df.Names.value_counts()
y = x.reset_index()
y["name_of_column"] = ""
y.pivot(index="name_of_column", columns="index", values=0).plot(kind="bar", stacked=True)

---

你知道你会的，对吧？这将帮助将来有类似问题的其他人。感谢您的帮助！我不知道“接受回答”有时间限制。谢谢你的提醒，你实际上对答案投了赞成票，但没有接受：）你可以对任何好的答案投赞成票，但你只能接受一个答案。你应该接受最适合你的答案（可能是主观的）。很高兴我能帮忙！