如何为Python中value_counts生成的柱状图自定义排序顺序

要给柱状图设置完全自定义的排序（不用默认的升/降序、按值或索引排序），有两种直接实用的实现方式：

方法一：将列转为分类类型（永久生效） #

先把目标列转换成分类数据类型，并指定你想要的自定义顺序，之后对该列的统计都会遵循这个顺序：

import pandas as pd

# 1. 定义你需要的自定义排序顺序，把所有可能的选项按要求列出来
custom_order = ["中立", "同意", "非常同意", "不同意", "非常不同意"]

# 2. 将列转换为分类类型，指定顺序并标记为有序
df['perception_survey'] = pd.Categorical(df['perception_survey'], categories=custom_order, ordered=True)

# 3. 按自定义顺序统计并绘图，和你原代码逻辑一致
df['perception_survey'].value_counts().plot(kind='bar', title='I feel happy', ylabel='Number of Respondents')

方法二：用reindex重新排序（仅当前统计生效） #

如果不想修改原数据的类型，只针对这次的统计结果调整顺序，可以先统计出频次，再用reindex按自定义顺序重新排列：

import pandas as pd

# 1. 定义自定义排序顺序
custom_order = ["中立", "同意", "非常同意", "不同意", "非常不同意"]

# 2. 先统计频次，再按自定义顺序重新索引
# dropna=False 会保留自定义顺序里所有选项（哪怕原数据里没有，计数为0），不需要的话可以删掉这个参数
counts = df['perception_survey'].value_counts().reindex(custom_order, dropna=False)

# 3. 基于重新排序后的结果绘图
counts.plot(kind='bar', title='I feel happy', ylabel='Number of Respondents')

注意点 #

• 如果自定义顺序里包含原数据中没有的选项，reindex加dropna=False会在柱状图里显示对应空柱子（计数为0），不需要的话去掉该参数即可。
• 两种方法的核心都是先让统计结果遵循你的自定义顺序，再传入绘图函数。

内容的提问来源于stack exchange，提问作者dimfoo