catplot中stripplot与barplot价格差异原因及barplot轴调整方法

数据处理代码 #

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

%matplotlib inline

sns.set_style('darkgrid')
sns.set_theme()

df = pd.read_csv("https://raw.githubusercontent.com/lokalhangatt/stackoverlow/refs/heads/main/airbnb_nyc_2019.csv")
df.fillna({'reviews_per_month':0}, inplace=True)

手动聚合的总价结果 #

通过groupby计算各房型、各区域的价格总和：

df.groupby(['room_type', 'neighbourhood_group'])['price'].sum()

输出结果：

room_type        neighbourhood_group
Entire home/apt  Bronx                    48325
                 Brooklyn               1704633
                 Manhattan              3289707
                 Queens                  308218
                 Staten Island            30597
Private room     Bronx                    43546
                 Brooklyn                775099
                 Manhattan               932111
                 Queens                  241983
                 Staten Island            11711
Shared room      Bronx                     3588
                 Brooklyn                 20868
                 Manhattan                42709
                 Queens                   13666
                 Staten Island              517
Name: price, dtype: int64

问题 #

使用sns.stripplot()时，y轴显示的是原始价格的分布；但改用sns.barplot()后，y轴数值和上述手动聚合的总价完全不符，想知道两者差异的原因，以及如何调整barplot使其显示实际总价。

原因分析 #

Seaborn的barplot默认使用均值（estimator=np.mean）作为统计量，即计算每个分组内价格的平均值，而非总和；而stripplot是直接绘制原始数据点，所以y轴对应原始价格，两者统计逻辑完全不同，导致y轴数值差异。

调整barplot显示总价的两种方法 #

方法1：先聚合数据再绘图 #

先手动计算总价并转换为普通DataFrame，再传入barplot：

# 聚合总价并重置索引
price_total = df.groupby(['room_type', 'neighbourhood_group'])['price'].sum().reset_index()

# 绘制barplot
plt.figure(figsize=(12,6))
sns.barplot(data=price_total, x='room_type', y='price', hue='neighbourhood_group')
plt.ylabel('总价')
plt.title('各房型按区域的价格总和')
plt.ticklabel_format(style='plain', axis='y')  # 关闭科学计数法，清晰显示大数值
plt.show()

方法2：直接指定barplot的统计量 #

在barplot中通过estimator参数指定使用求和函数：

plt.figure(figsize=(12,6))
sns.barplot(data=df, x='room_type', y='price', hue='neighbourhood_group', estimator=np.sum)
plt.ylabel('总价')
plt.title('各房型按区域的价格总和')
plt.ticklabel_format(style='plain', axis='y')
plt.show()

两种方法都能得到和手动聚合一致的总价条形图，其中方法1更灵活，可提前对聚合数据做额外处理；方法2更简洁，适合直接基于原始数据绘图。

内容的提问来源于stack exchange，提问作者lokalhangatt