如何对比绘制两个DataFrame同一列的value_counts柱状图

要实现两个DataFrame同一列的归一化分布对比柱状图，且每个类别下显示两个柱子（分别对应两个DF），无需合并原始DataFrame，可按以下方式操作：

步骤1：统一统计数据的类别索引 #

先分别获取两列的归一化统计结果，再统一索引补全缺失类别，确保所有可能的类别都被包含：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 替换为你的真实DataFrame
df1 = pd.DataFrame({'A': ['X', 'Y', 'X', 'Z', 'X', 'Y']})
df2 = pd.DataFrame({'A': ['Y', 'Y', 'Z', 'Z', 'Z']})

# 获取归一化统计并按索引排序
counts_df1 = df1['A'].value_counts(normalize=True).sort_index()
counts_df2 = df2['A'].value_counts(normalize=True).sort_index()

# 合并所有类别，缺失类别的统计值补0
all_categories = counts_df1.index.union(counts_df2.index)
counts_df1 = counts_df1.reindex(all_categories, fill_value=0)
counts_df2 = counts_df2.reindex(all_categories, fill_value=0)

步骤2：用Matplotlib绘制分组柱状图 #

手动控制柱子位置和颜色，实现更灵活的布局：

# 设置柱子宽度与X轴位置
bar_width = 0.35
x_pos = np.arange(len(all_categories))

# 创建画布与轴对象
fig, ax = plt.subplots()

# 绘制两个DataFrame的柱状图，指定颜色
df1_bars = ax.bar(x_pos - bar_width/2, counts_df1, bar_width, color='green', label='DataFrame 1')
df2_bars = ax.bar(x_pos + bar_width/2, counts_df2, bar_width, color='blue', label='DataFrame 2')

# 可选：给柱子添加数值标签
ax.bar_label(df1_bars, fmt='%.2f')
ax.bar_label(df2_bars, fmt='%.2f')

# 设置图表属性
ax.set_xlabel('类别')
ax.set_ylabel('归一化占比')
ax.set_title('列A的分布对比')
ax.set_xticks(x_pos)
ax.set_xticklabels(all_categories)
ax.legend()

# 调整布局避免标签截断
plt.tight_layout()
plt.show()

简化方式：用Pandas直接绘制 #

若无需精细布局控制，可将统计结果合并为一个DataFrame，直接调用Pandas绘图方法：

# 合并统计结果为统一DataFrame
combined_stats = pd.DataFrame({
    'DataFrame 1': counts_df1,
    'DataFrame 2': counts_df2
})

# 绘制分组柱状图并指定颜色
combined_stats.plot(kind='bar', color=['green', 'blue'], title='列A的分布对比')
plt.xlabel('类别')
plt.ylabel('归一化占比')
plt.legend(title='数据源')
plt.tight_layout()
plt.show()

两种方式都能保证X轴标签完全对应，同一类别下的两个柱子分别展示两个DataFrame的统计结果。

内容的提问来源于stack exchange，提问作者ArieAI