如何用Seaborn绘制DataFrame多列测量值频次对比柱状图

问题需求 #

基于含3列测量值的DataFrame绘制整合式柱状图：

• X轴为固定测量值（0.50、0.75、1.00、1.50）
• 每个X值对应3个柱状条，分别代表DataFrame的3列（不同测量设备）
• Y轴为对应测量值的出现频次

解决方案 #

核心是将宽格式DataFrame转换为长格式，再用Seaborn绘制分组频次图。

完整代码示例 #

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

# 初始化数据
data2 = [[0.5, 0.5, 0.75], [1, 0.75, 0.75], [0.5, 0.75, 0.75], [0.75, 1, 0.75], [0.75, 1, 0.5] , [0.5, 1.5, 0.5]]
df2 = pd.DataFrame(data2, columns=['Aw1', 'Aw2', 'Bw1'])

# 转换为长格式数据：将列名转为"设备"字段，测量值转为"测量值"字段
df_melted = df2.melt(var_name='设备', value_name='测量值')

# 绘制分组频次柱状图
sns.catplot(x='测量值', hue='设备', data=df_melted, aspect=2, kind='count')
plt.title('各设备测量值频次分布')
plt.ylabel('出现频次')
plt.show()

关键步骤说明 #

1. 数据格式转换：使用pd.melt()将原宽格式数据（每列对应一个设备）转为长格式，生成设备和测量值两个字段，这是Seaborn绘制分组图的标准数据结构。
2. 绘制分组图：sns.catplot()中通过hue='设备'参数，让每个测量值对应的不同设备数据以不同颜色的柱状条展示，自动完成分组统计。
3. 图表优化：添加标题、修改Y轴标签，提升图表可读性。

定制化样式（可选） #

如果需要更灵活控制图表尺寸和柱状条样式，可使用countplot配合plt.subplots：

plt.figure(figsize=(10, 6))
sns.countplot(x='测量值', hue='设备', data=df_melted, width=0.7)
plt.title('各设备测量值频次分布')
plt.ylabel('出现频次')
plt.show()

内容的提问来源于stack exchange，提问作者Sitar4