如何用Seaborn生成指定顺序的分类归一化计数图表？

方案1：直接使用新版Seaborn的countplot（推荐，版本≥0.11） #

Seaborn 0.11及以上版本的countplot新增了stat参数，支持将计数转换为百分比/概率，同时保留order参数指定类别顺序。直接修改你的原有代码即可：

import seaborn as sns

# 获取前10个高频category_1的顺序
top_cats = df['category_1'].value_counts().iloc[:10].index

# 绘制归一化（百分比）的计数图，按指定顺序排列
sns.countplot(
    data=df,
    y="category_1",
    hue='category_2',
    order=top_cats,
    stat='percent'  # 归一化为百分比，也可使用stat='probability'得到概率值
)

方案2：预处理数据后用barplot绘制（兼容旧版本） #

如果你的Seaborn版本较低，不支持stat参数，可以手动计算每个类别下的归一化占比，再用barplot绘制：

import seaborn as sns
import pandas as pd

# 1. 计算每个category_1下各category_2的计数，再归一化为百分比
counts = df.groupby(['category_1', 'category_2']).size().reset_index(name='count')
total_counts = df.groupby('category_1')['category_2'].count().reset_index(name='total')
normalized = counts.merge(total_counts, on='category_1')
normalized['percent'] = (normalized['count'] / normalized['total']) * 100

# 2. 获取前10个高频category_1的顺序
top_cats = df['category_1'].value_counts().iloc[:10].index

# 3. 用barplot绘制，指定order参数
sns.barplot(
    data=normalized,
    y="category_1",
    x="percent",
    hue='category_2',
    order=top_cats
)

方案3：用histplot配合有序分类指定顺序 #

如果偏好使用histplot，可以先将category_1转换为有序分类类型，指定顺序后histplot会自动遵循该顺序：

import seaborn as sns
import pandas as pd

# 获取前10个高频category_1的顺序
top_cats = df['category_1'].value_counts().iloc[:10].index

# 将category_1转换为有序分类，固定顺序
df['category_1'] = pd.Categorical(df['category_1'], categories=top_cats, ordered=True)

# 用histplot绘制归一化计数图
sns.histplot(
    data=df,
    y="category_1",
    hue='category_2',
    stat='probability',  # 归一化为概率，也可使用stat='percent'
    multiple='stack'  # 堆叠显示不同category_2的占比，可选'dodge'实现并列显示
)

内容的提问来源于stack exchange，提问作者user2212461