如何用Seaborn绘制带偏移的多分类水平条形图？

1. 先做数据预处理（核心步骤） #

原数据集每个单元格是逗号分隔的字符串，必须转换成长格式DataFrame才能让seaborn高效处理，避免重复写拆分代码。

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

# 加载数据集（替换为你的本地文件路径）
df = pd.read_csv('data.csv', index_col=0)

# 定义需要处理的类别和位置
categories = ['92A11', '92B11', '82B11']
locations = df.index.tolist()  # 获取P1-P14所有位置

# 构建长格式数据
processed_rows = []
for loc in locations:
    for cat in categories:
        # 拆分字符串为数值，跳过空内容
        value_list = [float(x.strip()) for x in df.loc[loc, cat].split(',') if x.strip()]
        # 每个数值对应一行记录
        for val in value_list:
            processed_rows.append({
                '位置': loc,
                '类别': cat,
                '数值': val
            })

# 转换为规整的DataFrame
long_df = pd.DataFrame(processed_rows)

2. 批量生成符合要求的图表 #

用循环自动处理每个位置，生成统一格式的子图，完全匹配目标效果：

# 设置子图布局：14个位置用2行7列，可根据需求调整
cols = 7
rows = (len(locations) + cols - 1) // cols
fig, axes = plt.subplots(rows, cols, figsize=(18, 6), sharex=True)
axes = axes.flatten()  # 转为一维数组方便循环

# 逐个位置绘制图表
for idx, loc in enumerate(locations):
    ax = axes[idx]
    # 筛选当前位置的数据
    current_data = long_df[long_df['位置'] == loc]
    
    # 绘制小提琴图（填充橙色）
    sns.violinplot(
        data=current_data,
        x='数值', y='类别',
        orient='h', color='orange',
        inner=None, ax=ax
    )
    # 绘制散点图（黑色无抖动，对齐小提琴图）
    sns.stripplot(
        data=current_data,
        x='数值', y='类别',
        orient='h', color='black',
        linewidth=1, jitter=False, ax=ax
    )
    
    # 设置子图样式
    ax.set_title(loc)
    ax.set_ylabel('')  # 去掉重复的y轴标签
    ax.set_xlabel('数值')

# 隐藏多余的空白子图
for ax in axes[len(locations):]:
    ax.axis('off')

# 统一设置x轴范围
plt.xlim(0, 200)
plt.tight_layout()
plt.show()

优势说明 #

• 无需手动逐个编写子图代码，14个位置自动批量生成
• 共享x轴保证所有图表刻度一致，视觉统一
• 散点无抖动，完美对齐小提琴图中线，和目标效果一致
• 长格式数据结构适配seaborn的分组绘图逻辑，后续调整类别/位置只需修改列表参数

内容的提问来源于stack exchange，提问作者A.E