如何基于名称为子图中所有含'?'的条形设置不同颜色

需求：将所有带有?的条形标记为蓝色，其余条形标记为红色，但现有代码实现不符合预期，出现颜色分配错位的问题（例如A2列中的f条形被错误染成蓝色）。

错误代码示例 #

%matplotlib inline

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

data=[['a','a','b'],[20,'?',18],['?','?','f'],['?','f','f'],['a','a','?']]
col_with_missting_values=['A1','A2','A3']
df=pd.DataFrame(data,columns=col_with_missting_values)

def color(coln):
    if coln=='?':
        return 'b'
    else:
        return 'r'

fig, axes = plt.subplots(1, len(col_with_missting_values), figsize=(20, 5))
for colname, ax in zip(col_with_missting_values, axes):
    (
        cr:=[color(x) for x in df[colname]],
        sns.countplot(df, x=f"{colname}", ax=ax, palette=cr),
        ax.set_xticklabels(ax.get_xticklabels(), rotation=90),
    )

问题原因 #

错误出在palette参数的使用逻辑上：sns.countplot的palette是按统计后类别的出现顺序分配颜色，而非原始数据中每个元素的顺序。你生成的cr是原始每行数据对应的颜色列表，这与countplot的颜色映射逻辑不匹配，导致颜色被错位分配。

正确解决方案 #

通过生成类别-颜色映射字典，直接为每个类别指定颜色，确保?始终对应蓝色，其他类别对应红色：

%matplotlib inline

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

data=[['a','a','b'],[20,'?',18],['?','?','f'],['?','f','f'],['a','a','?']]
col_with_missting_values=['A1','A2','A3']
df=pd.DataFrame(data,columns=col_with_missting_values)

fig, axes = plt.subplots(1, len(col_with_missting_values), figsize=(20, 5))
for colname, ax in zip(col_with_missting_values, axes):
    # 获取当前列的所有唯一类别
    categories = df[colname].unique()
    # 构建类别与颜色的映射字典
    color_map = {cat: 'b' if cat == '?' else 'r' for cat in categories}
    # 传入颜色字典作为palette参数
    sns.countplot(data=df, x=colname, ax=ax, palette=color_map)
    ax.set_xticklabels(ax.get_xticklabels(), rotation=90)

效果说明 #

修改后，每个子图中?对应的条形都会被染成蓝色，其余类别条形保持红色，完全符合需求。

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