如何用Seaborn绘制多实验下不同ML模型准确率的分组条形图？

你的问题核心是当前DataFrame是宽格式（列对应模型，行对应实验），而Seaborn的barplot需要**长格式（整洁数据）**才能按要求绘制分组条形图。具体步骤如下：

1. 将宽格式DataFrame转换为长格式 #

使用Pandas的melt方法，把每个模型的准确率数据拆分为单独的行，同时保留实验标识。

假设你的DataFrame索引是实验名称，先重置索引将实验名转为列，再执行格式转换：

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

# 假设你的原始DataFrame名为df
# 重置索引，把实验名称转为名为"实验"的列
df_long = df.reset_index(names="实验")
# 转换为长格式：列包含实验、ML模型、准确率
df_long = df_long.melt(
    id_vars="实验",       # 保留的分组列（实验标识）
    var_name="ML模型",   # 原列名（模型名称）对应的新列名
    value_name="准确率"  # 原单元格数值（准确率）对应的新列名
)

2. 绘制分组条形图 #

转换完成后，直接指定x为模型列、y为准确率列、hue为实验列即可：

sns.barplot(data=df_long, x="ML模型", y="准确率", hue="实验")
plt.title("不同实验下各ML模型的准确率")
plt.show()

为什么原代码无法直接运行？ #

Seaborn的barplot要求输入数据的每一行对应一个独立的数据点，而你的原始宽格式DataFrame中，每个模型列包含多个实验的准确率值，无法通过单一的y参数直接映射。转换为长格式后，每个数据点（某实验下某模型的准确率）都对应一行，才能满足barplot的参数要求。

内容的提问来源于stack exchange，提问作者Rubén López