如何制作含多列O/X数据的100%堆叠百分比柱状图？

核心前提：调整数据格式 #

不管用可视化工具还是代码，首先要把宽格式数据转成长格式——这是你能把所有列数据整合到一张图表的关键：

• 原始宽格式：每列是一个类别，每行是单条记录的O/X
• 目标长格式：包含三列：列名称（原表头）、类别（O/X）、占比（该类别在对应列的百分比）

举个例子：

原始数据：

列A	列B	列C
O	X	O
X	O	O
O	X	X

转换后长格式：

列名称	类别	占比
列A	O	66.7%
列A	X	33.3%
列B	O	33.3%
列B	X	66.7%
列C	O	66.7%
列C	X	33.3%

方案1：用Excel/Google Sheets（无需编码） #

步骤1：整理数据（透视表+计算占比） #

• 选中原始数据区域，插入「数据透视表」：
  • 行：拖入所有列的表头（列A、列B...）
  • 列：拖入「值」区域的O/X内容
  • 值：设置为「计数」（统计每个列下O/X的数量）
• 计算占比：在透视表旁新增列，公式为=对应计数单元格 / 该列总计数（比如列A的总计数是COUNT(A:A)-1，减1是排除表头），再把单元格格式设为百分比。

步骤2：生成柱状图 #

• 选中转换后的长格式数据（列名称、O的占比、X的占比），插入「簇状柱状图」
• 自动识别后：X轴就是列名称，Y轴是百分比占比，图例区分O/X。如果识别错误，右键图表→「选择数据」，手动设置：
  • 水平轴标签：选择列名称列的内容
  • 添加两个系列：系列1名称设为「O」，值选O的占比列；系列2名称设为「X」，值选X的占比列

方案2：用Python编码（适合批量/自动化场景） #

步骤1：数据预处理（转长格式+计算占比） #

import pandas as pd

# 读取原始数据（假设是csv格式，其他格式可替换为pd.read_excel等）
df = pd.read_csv("your_data.csv")

# 把宽表转成长表：var_name是列名称，value_name是O/X类别
melted_df = df.melt(var_name="列名称", value_name="类别")

# 按列名称+类别分组计数，再计算占比
count_df = melted_df.groupby(["列名称", "类别"]).size().reset_index(name="计数")
# 计算每列的总计数，用于求占比
total_counts = count_df.groupby("列名称")["计数"].transform("sum")
count_df["占比"] = round(count_df["计数"] / total_counts * 100, 1)  # 保留1位小数

步骤2：绘制柱状图 #

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
# 绘制簇状柱状图：x是列名称，y是占比，hue区分O/X
sns.barplot(data=count_df, x="列名称", y="占比", hue="类别", palette={"O": "#2ecc71", "X": "#e74c3c"})

# 设置轴标签和标题
plt.xlabel("列名称", fontsize=12)
plt.ylabel("占比（%）", fontsize=12)
plt.title("各列O/X占比分布", fontsize=14)
plt.legend(title="类别")
plt.show()

对你疑问的直接解答 #

• 是否需要修改数据表？是，必须把宽格式转成长格式，这是整合所有列数据到一张图表的核心。
• 是否需要编码？可选：用Excel/Sheets这类工具无需编码；如果数据量大、需要重复生成图表，编码更高效。
• X/Y轴设置：转成长格式后，X轴绑定列名称列，Y轴绑定占比列，用图例区分O/X即可。

内容的提问来源于stack exchange，提问作者클로버Clover