如何在Python绘图中用hue参数统计标签观测数及计算类别占比

1. 绘制分组统计柱状图 #

可以通过先统计观测数再绘图，或者直接用Seaborn的countplot自动统计，两种方法都能实现需求：

步骤1：导入依赖库并准备数据 #

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

# 示例数据集
data = {
    'Group': ['Group A', 'Group B', 'Group B', 'Group A', 'Group A', 'Group B', 'Group B', 'Group A'],
    'Series': ['Series 2', 'Series 1', 'Series 5', 'Series 4', 'Series 1', 'Series 3', 'Series 3', 'Series 2']
}
df = pd.DataFrame(data)

方法一：先统计再绘图（适合大数据集） #

用pd.crosstab生成交叉统计表，直接得到每个Group下各Series的观测数，再绘制柱状图：

# 统计每个Group中各Series的行数
count_table = pd.crosstab(df['Group'], df['Series'])

# 绘制柱状图
count_table.plot(kind='bar', figsize=(8, 5), rot=0)
plt.xlabel('Group')
plt.ylabel('观测数')
plt.title('各Group下Series的观测数量')
plt.legend(title='Series')
plt.tight_layout()
plt.show()

方法二：直接用Seaborn自动统计 #

countplot会自动统计每个分组的观测数，结合hue参数区分Series：

sns.countplot(data=df, x='Group', hue='Series')
plt.xlabel('Group')
plt.ylabel('观测数')
plt.title('各Group下Series的观测数量')
plt.tight_layout()
plt.show()

2. 计算每组内Series的占比并输出 #

可以写一个自定义函数，通过groupby结合value_counts(normalize=True)计算组内占比，再格式化输出：

def get_series_percentage(df, group_col, series_col):
    # 按Group分组，计算每个Series的组内占比（转为百分比）
    group_pct = df.groupby(group_col)[series_col].value_counts(normalize=True) * 100
    # 遍历每个Group输出结果
    for group in df[group_col].unique():
        pct_items = [f'{round(pct)}% {series}' for series, pct in group_pct[group].items()]
        print(f'{group} : {", ".join(pct_items)}')

# 调用函数，传入数据集和列名
get_series_percentage(df, 'Group', 'Series')

运行后输出示例：

Group A : 33% Series 2, 25% Series 4, 25% Series 1
Group B : 40% Series 3, 20% Series 1, 20% Series 5

内容的提问来源于stack exchange，提问作者CinfaCinfa