如何在Seaborn Catplot的每个分面内按值计数排序类别

你现在遇到的问题很典型——sns.catplot 默认的 order 参数是全局生效的，所以你用整个数据集的 value_counts 作为顺序时，所有子图都会沿用这个全局排序，完全忽略了每个分组内部的计数差异。下面是具体的解决方法：

步骤1：预先生成每个分组的排序规则 #

首先我们按 stop_duration 分组，为每个组计算出 violation_raw 按计数降序排列的类别顺序，把这些规则存在字典里方便后续调用：

import seaborn as sns
import matplotlib.pyplot as plt

# 生成每个stop_duration分组对应的violation_raw排序顺序
order_dict = df.groupby('stop_duration')['violation_raw'].apply(
    lambda x: x.value_counts(ascending=False).index
)

步骤2：用FacetGrid自定义每个子图的绘图逻辑 #

因为 catplot 没法给每个子图单独指定 order，我们改用更灵活的 FacetGrid，配合自定义绘图函数，让每个子图使用对应分组的专属排序：

# 创建FacetGrid对象，设置行分组、尺寸等参数
grid = sns.FacetGrid(data=df, row='stop_duration', height=4, aspect=3, sharey=False)

# 自定义绘图函数：根据当前子图的分组值获取对应的排序顺序
def plot_group_count(x, **kwargs):
    # 获取当前子图对应的stop_duration分组值
    current_group = kwargs['data']['stop_duration'].iloc[0]
    # 获取该分组的排序顺序
    group_order = order_dict[current_group]
    # 绘制countplot，使用当前分组的排序
    sns.countplot(x=x, order=group_order, palette="dark:salmon_r", **kwargs)

# 把自定义函数映射到每个子图
grid.map(plot_group_count, 'violation_raw')

步骤3：添加标签和调整布局 #

最后给每个子图添加条形计数标签，调整坐标轴和布局避免元素重叠：

# 遍历所有子图，添加条形计数标签
for ax in grid.axes.flat:
    ax.bar_label(ax.containers[0])
    ax.set_xlabel("Count", labelpad=12)
    ax.margins(x=0.2)

# 调整布局
grid.tight_layout()
plt.show()

补充说明 #

你之前的代码之所以不生效，是因为 order=df['violation_raw'].value_counts(ascending=False).index 是基于整个数据集的计数排序，所有子图都会强制使用这个统一顺序，完全没考虑每个分组内部的计数差异。而上面的方法通过分组预生成顺序，再给每个子图单独指定对应规则，就能实现每个分组内按自身计数排序的效果。

内容的提问来源于stack exchange，提问作者MarkS