如何用Matplotlib/Seaborn绘制双分类列的堆叠条形图？

嘿，别担心，刚接触Python绘图时，把逻辑转成代码确实容易卡壳，你的需求用堆叠条形图完全没问题，这正是展示分组计数的好工具！

你之前的代码df.Churn.value_counts().plot(kind='bar')只统计了流失/未流失的总数，没按性别拆分，核心问题是没先把数据按churned和gender两个维度做分组计数。下面是具体的解决步骤：

1. 先整理数据：生成交叉统计表 #

我们需要先统计每个churned类别（0/1）下，不同gender的人数。用pandas的pd.crosstab()就能快速实现：

import pandas as pd
import matplotlib.pyplot as plt

# 先创建你提供的示例数据（实际用你的真实数据就行）
data = {
    'gender': ['male', 'male', 'female', 'female', 'female', 'male'],
    'churned': [0, 1, 0, 1, 1, 1]
}
df = pd.DataFrame(data)
# 把churned转成category类型（如果你的数据还没转的话）
df['churned'] = df['churned'].astype('category')

# 生成交叉表：行是churned，列是gender，值是对应人数
cross_tab = pd.crosstab(index=df['churned'], columns=df['gender'])

执行完后，cross_tab的结构是这样的：

gender   female  male
churned              
0             1     1
1             2     2

2. 绘制堆叠条形图 #

用这个交叉表直接调用plot()方法，设置stacked=True就能得到堆叠效果：

# 绘制堆叠条形图
ax = cross_tab.plot(kind='bar', stacked=True, color=['#ff9999','#66b3ff'])

# 美化图表（可选，但让结果更直观）
plt.title('流失/未流失群体的性别分布')
plt.xlabel('用户状态')
plt.ylabel('人数')
# 把x轴的0/1改成中文标签
ax.set_xticklabels(['未流失', '流失'], rotation=0)
# 调整图例位置
plt.legend(title='性别')

# 显示图表
plt.show()

代码解释 #

• pd.crosstab()：专门用来统计两个分类变量的交叉计数，完美匹配你需要的“按流失状态拆分性别人数”的需求。
• stacked=True：这是实现堆叠效果的关键参数，把同一x轴类别下的不同gender条形叠在一起。
• 美化部分：把x轴的数字换成中文标签，添加标题和轴标签，让图表可读性更强。

这样你就能得到想要的图表：x轴是“未流失”和“流失”，每个条形里用不同颜色区分男性和女性的数量啦！

内容的提问来源于stack exchange，提问作者Nithin Nampoothiry