如何使用Seaborn Barplot在单个条形内展示多数值（堆叠条形图实现）

当然可以实现！虽然Seaborn本身没有专门的堆叠条形图API，但它基于Matplotlib构建，我们可以结合两者完成你想要的效果；另外，如果你想单独展示三个组成数值对应同一测量项，用Seaborn做分组条形图就很方便，下面一步步说明：

这种方式能让每个条形的高度对应总Lead Time，同时在条形内部堆叠显示三个组成部分的数值，步骤如下：

1. 导入必要库并构造示例数据

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

# 模拟你的数据：5个测量项，每个对应3个组成部分
data = {
    "Measurement": ["Item1", "Item2", "Item3", "Item4", "Item5"],
    "Component_A": [12, 18, 9, 15, 10],
    "Component_B": [6, 8, 7, 5, 9],
    "Component_C": [4, 5, 3, 6, 4]
}
df = pd.DataFrame(data)

2. 绘制堆叠条形图

# 应用Seaborn的美观样式
sns.set_style("whitegrid")

# 创建画布和轴对象
fig, ax = plt.subplots(figsize=(10, 6))

# 定义组成部分和对应的颜色（用Seaborn调色板）
components = ["Component_A", "Component_B", "Component_C"]
colors = sns.color_palette("Greens", n_colors=3)

# 初始化堆叠的底部位置为0
bottom = [0] * len(df)

# 循环绘制每个组成部分的条形
for comp, color in zip(components, colors):
    ax.bar(df["Measurement"], df[comp], bottom=bottom, label=comp, color=color)
    # 更新底部位置，让下一个条形堆叠在当前条形上方
    bottom = [b + val for b, val in zip(bottom, df[comp])]

# 可选：为每个总Lead Time添加数值标签
for idx, total in enumerate(df[components].sum(axis=1)):
    ax.text(idx, total + 0.6, f"{total}", ha="center", fontweight="bold")

# 设置图表标签和标题
ax.set_xlabel("Measurement Items", fontsize=12)
ax.set_ylabel("Total Lead Time", fontsize=12)
ax.set_title("Stacked Lead Time by Measurement Item", fontsize=14)

# 添加图例说明组成部分
ax.legend(title="Lead Time Components")

# 调整布局防止标签被截断
plt.tight_layout()
plt.show()

如果更想清晰对比每个测量项的三个组成部分的具体数值，分组条形图会更直观，Seaborn的barplot可以直接实现，只需先把数据转为长格式：

1. 转换数据格式并绘制分组条形图

# 将宽格式数据转为长格式，方便Seaborn处理
df_long = df.melt(
    id_vars="Measurement", 
    var_name="Component", 
    value_name="Lead Time"
)

# 应用Seaborn样式
sns.set_style("whitegrid")
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制分组条形图
sns.barplot(
    data=df_long,
    x="Measurement",
    y="Lead Time",
    hue="Component",
    palette="Greens"
)

# 可选：为每个条形添加数值标签
for patch in ax.patches:
    height = patch.get_height()
    ax.text(
        patch.get_x() + patch.get_width()/2.,
        height + 0.4,
        f"{height}",
        ha="center",
        fontsize=10
    )

# 设置图表标签和标题
ax.set_xlabel("Measurement Items", fontsize=12)
ax.set_ylabel("Lead Time", fontsize=12)
ax.set_title("Lead Time Components by Measurement Item", fontsize=14)

plt.tight_layout()
plt.show()

两种方法各有侧重：堆叠图适合展示总和与内部占比关系，分组图适合直接对比各组成部分的数值大小，你可以根据需求选择。

内容的提问来源于stack exchange，提问作者MF1893