如何用Seaborn Objects高效实现正负轴分色的龙卷风图？

要实现将不同性别的直方图分别放在正负轴的龙卷风图，无需拼接多个图表，核心思路是调整对应类别的计数符号，直接在单图表中绘制。以下是具体实现：

代码示例 #

import numpy as np
import pandas as pd
import seaborn.objects as so

# 生成随机数据
df = pd.DataFrame({
    'id': np.random.randint(0, 1000, 100),
    'gender': np.random.choice(['m', 'f'], 100),
    'age': np.random.randint(18, 100, 100)
})

# 自定义转换函数：生成龙卷风图所需的带符号计数数据
def prepare_tornado_data(data, group_col="gender", negative_group="f", age_bins=10):
    # 按年龄分箱、性别分组统计频数
    binned_counts = (
        data.groupby([pd.cut(data["age"], bins=age_bins), group_col])
        .size()
        .reset_index(name="count")
    )
    # 将指定类别的计数转为负数
    binned_counts["count"] = np.where(
        binned_counts[group_col] == negative_group,
        -binned_counts["count"],
        binned_counts["count"]
    )
    return binned_counts

# 绘制龙卷风图
(
    so.Plot(prepare_tornado_data(df), x="age", y="count", color="gender")
    .add(so.Bars())
    .label(y="频数")
    # 将Y轴刻度显示为绝对值，提升可读性
    .scale(y=so.Continuous().tickformat(lambda x: f"{abs(int(x))}"))
    # 可选：移除左右脊柱，优化视觉效果
    .theme({"axes.spines.left": False, "axes.spines.right": False})
)

方案说明 #

1. 数据转换逻辑：通过提前计算年龄分箱后的性别频数，将其中一类的计数取负，绘制条形图时该类会自动显示在负轴区域，另一类在正轴，形成龙卷风图的布局。
2. 单图表实现：全程基于同一个so.Plot对象构建，无需拼接多个图表。
3. 多类别适配性：如果gender列有超过2个类别，可扩展转换逻辑（例如将类别分为正负两组），但龙卷风图通常以两类对比为主，多类场景需注意视觉可读性。
4. 细节优化：通过tickformat将Y轴刻度显示为绝对值，避免负号干扰数据解读，同时可通过主题设置简化图表样式。

内容的提问来源于stack exchange，提问作者divingTobi