seaborn barplot中条形的升序答案

【问题标题】：Ascending order of bars in seaborn barplotseaborn barplot中条形的升序
【发布时间】：2018-08-01 07:24:09
【问题描述】：

我有以下数据框

   Class    Age Percentage
0   2004    3   43.491170
1   2004    2   29.616607
2   2004    4   13.838925
3   2004    6   10.049712
4   2004    5   2.637445
5   2004    1   0.366142
6   2005    2   51.267369
7   2005    3   19.589268
8   2005    6   13.730432
9   2005    4   11.155305
10  2005    5   3.343524
11  2005    1   0.913590
12  2005    9   0.000511

我想使用 seaborn 制作条形图，其中 y 轴是“百分比”，x 轴是“类”，并使用“年龄”列标记它们。我还想按降序排列条形图，即从大到小条形图。

为了做到这一点，我想到了以下几点：我将根据“百分比”变量的顺序更改hue_order 参数。例如，如果我按降序对Class == 2004 的“百分比”列进行排序，则为hue_order = [3, 2, 4, 6, 5, 1]。

这是我的代码：

import matplotlib.pyplot as plt
import seaborn as sns

def hue_order():
    for cls in dataset.Class.unique():
        temp_df = dataset[dataset['Class'] == cls]
        order = temp_df.sort_values('Percentage', ascending = False)['Age']  
    return order

sns.barplot(x="Class", y="Percentage", hue = 'Age', 
                 hue_order= hue_order(),  
                 data=dataset)
plt.show()

但是，只有Class == 2005 的条形按降序排列。有什么帮助吗？

在我的问题中，我使用的是 hue 参数，因此，它不是建议的重复项。

【问题讨论】：

Seaborn Bar Plot Ordering的可能重复
@DavidG 我也在使用 hue 参数。只是说。
@DavidG 你真的读过我的问题还是只是用谷歌搜索类似的东西？
在hue_order 中，您正在循环每个类，但您在每个循环中覆盖order，最后在最后返回order。所以你只会得到order 最终的Class
@KPLauritzen 这很明显。你能给我一个解决方案吗？

标签： python pandas matplotlib bar-chart seaborn

【解决方案1】：

seaborn hue 参数为绘图添加了另一个维度。 hue_order 确定处理此维度的顺序。但是，您不能拆分该订单。这意味着您可以更改顺序，使Age == 2 在图中排在第三位。但是你不能部分地改变它，这样在某些地方它是第一位的，而在其他一些地方它会在第三位。

为了达到这里想要的效果，即在同一轴内使用不同阶次的辅助尺寸，您需要手动处理。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

df = pd.DataFrame({"Class" : [2004]*6+[2005]*7,
                   "Age" : [3,2,4,6,5,1,2,3,6,4,5,1,9],
                   "Percentage" : [50,40,30,20,10,30,20,35,40,50,45,30,15]})

def sortedgroupedbar(ax, x,y, groupby, data=None, width=0.8, **kwargs):
    order = np.zeros(len(data))
    df = data.copy()
    for xi in np.unique(df[x].values):
        group = data[df[x] == xi]
        a = group[y].values
        b = sorted(np.arange(len(a)),key=lambda x:a[x],reverse=True)
        c = sorted(np.arange(len(a)),key=lambda x:b[x])
        order[data[x] == xi] = c   
    df["order"] = order
    u, df["ind"] = np.unique(df[x].values, return_inverse=True)
    step = width/len(np.unique(df[groupby].values))
    for xi,grp in df.groupby(groupby):
        ax.bar(grp["ind"]-width/2.+grp["order"]*step+step/2.,
               grp[y],width=step, label=xi, **kwargs)
    ax.legend(title=groupby)
    ax.set_xticks(np.arange(len(u)))
    ax.set_xticklabels(u)
    ax.set_xlabel(x)
    ax.set_ylabel(y)


fig, ax = plt.subplots()    
sortedgroupedbar(ax, x="Class",y="Percentage", groupby="Age", data=df)
plt.show()

【讨论】：