看起来你想要的是每个患者对应两个堆叠柱状图——一个展示该患者中普通细胞类型的比例分布，另一个展示稀有细胞类型的比例分布对吧？我来帮你调整代码实现这个需求~

核心思路很简单：我们需要把「患者名称」和「细胞类型类别（普通/稀有）」组合成一个新的分组列，这样每个患者就会对应两个独立的x轴类别，分别承载普通/稀有细胞的堆叠比例。下面是修改后的完整代码：

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

# 生成模拟数据
celltype_name = [choice(['Myeloid','B','T','NK','CAF','pDC']) for i in range(100)]
celltype2_name= [choice(['rare','common']) for i in range(100)]
patient_name = [choice(['P01','P02','P03','P04']) for i in range(100)]

df = pd.DataFrame([celltype_name, celltype2_name, patient_name]).T
df.columns = ['celltype', 'celltype2', 'patient_name']
df['patient_name'] = pd.Categorical(df['patient_name'], ['P01','P02','P03','P04'])

# 关键步骤：创建患者+细胞类型类别的组合列，确保每个患者的common/rare柱子挨在一起
df['patient_celltype2'] = df['patient_name'] + '_' + df['celltype2']
df['patient_celltype2'] = pd.Categorical(
    df['patient_celltype2'],
    [f"{p}_{ct2}" for p in ['P01','P02','P03','P04'] for ct2 in ['common','rare']]
)

# 绘制堆叠比例柱状图
ax = sns.histplot(
    data=df,
    x="patient_celltype2", hue="celltype",
    multiple="fill", stat="proportion",
    discrete=True, shrink=.8, legend=True,
    linewidth=0.2,
)

# 优化x轴标签，让显示更清晰
ax.set_xticklabels(['P01(普通)', 'P01(稀有)', 'P02(普通)', 'P02(稀有)', 
                    'P03(普通)', 'P03(稀有)', 'P04(普通)', 'P04(稀有)'])
plt.xticks(rotation=45)

# 移动图例到右上角
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))

plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

代码说明： #

1. 组合分组列：通过patient_name + "_" + celltype2生成新的x轴类别，同时用pd.Categorical指定顺序，保证每个患者的「普通」和「稀有」柱子是相邻的，不会乱序。
2. 调整x轴标签：把默认的长标签改成更易懂的格式，同时旋转45度避免重叠。
3. 保留原风格：沿用你原来的histplot参数，确保堆叠比例的逻辑和之前一致，只是扩展了x轴的分组维度。

运行这段代码后，你就能看到每个患者对应两个堆叠柱子，分别展示普通/稀有细胞类型的比例分布啦~

备注：内容来源于stack exchange，提问作者Knotnet