如何在pandas.melt后添加原列顺序列并用于Seaborn可视化？

我来帮你搞定这个需求，其实关键是先提前定义好颜色的优先级映射，再同步到melt后的数据集里就行，步骤很清晰：

第一步：先确定排序后的列优先级 #

先把你用来排序列的结果存成变量，方便后续复用：

import pandas as pd
import seaborn as sns

# 你的原始车辆数据DataFrame
df = pd.DataFrame( [{'Orange': 0, 'Green': 2, 'Blue': 1}, {'Orange': 2, 'Green': 4, 'Blue': 4}, {'Orange': 1, 'Green': 3, 'Blue': 10} ])

# 获取按最大值降序排列的颜色列名
sorted_color_cols = df.max().sort_values(ascending=False).index

第二步：创建颜色到importance的映射字典 #

用枚举方式给每个排序后的颜色分配优先级数值（0代表最高优先级）：

color_importance_map = {color: idx for idx, color in enumerate(sorted_color_cols)}
# 这个字典的结果是：{'Blue': 0, 'Green': 1, 'Orange': 2}

第三步：Melt并添加importance列 #

执行melt操作后，直接用map方法把颜色映射成对应的优先级：

tidy = pd.melt(df.reset_index(), id_vars=['index'], var_name='color', value_name='number')
# 新增importance列
tidy['importance'] = tidy['color'].map(color_importance_map)

这样得到的tidy就完全符合你想要的格式，每个颜色对应的importance值和原排序后的列顺序一致。

结合Seaborn绘图的实用示例 #

有了importance列，你可以用它来突出高优先级的类别，这里给你几个常见的用法：

1. 让高优先级的线条更粗

把importance反向后作为线条粗细参数，数值越小（优先级越高）的线条越粗：

# 计算线条粗细：优先级最高的Blue用4px，Green用3px，Orange用2px
tidy['line_weight'] = 4 - tidy['importance']

axes = sns.relplot(
    data=tidy,
    x='index',
    y='number',
    hue='color',
    kind="line",
    linewidth=tidy['line_weight']
)

2. 按importance拆分独立图表

如果想把不同优先级的类别分开展示，可以用col参数指定拆分维度：

axes = sns.relplot(
    data=tidy,
    x='index',
    y='number',
    hue='color',
    kind="line",
    col='importance',
    col_wrap=2  # 控制每行显示2个图表
)

3. 用颜色深浅区分优先级

自定义调色板，让高优先级的颜色更醒目：

# 定义从深到浅的调色板，对应importance 0到2
priority_palette = ['#003399', '#006633', '#FF9933']

axes = sns.relplot(
    data=tidy,
    x='index',
    y='number',
    hue='importance',
    palette=priority_palette,
    kind="line"
)

这样就能轻松突出你关注的高数值车辆类别啦！

内容的提问来源于stack exchange，提问作者Jordan