解读Python的sns.lineplot、pd.pivot_table与sns.barplot及数值差异原因

一、各图表/表的解读 #

1. 折线图 #

该折线图以子产品（subproduct）为横轴，销售额（sales）为纵轴，通过不同样式的线条和标记区分产品编码（productcode）。它展示的是每个子产品-产品编码组合下的销售额平均值，能直观对比不同子产品的平均销售表现，以及不同产品编码在各子产品中的均值趋势。

2. 透视表 #

该透视表按产品编码+子产品的组合分组，对销售额做求和计算后排序得到。它直接呈现了每个产品-子产品组合的总销售额，清晰反映各组合的整体业绩规模，是对应分组下所有记录的销售额加总结果。

3. 柱状图 #

这是横向柱状图，以子产品为纵轴，销售额为横轴，用颜色区分产品编码。和折线图逻辑一致，它展示的也是每个子产品-产品编码组合的销售额平均值，柱子上的标注就是该均值。深色背景和简化的坐标轴设计，是为了让视觉焦点集中在柱子的对比上。

二、数值差异的核心原因 #

透视表与图表的数值差异，本质是聚合统计方式不同：

• 透视表明确指定aggfunc='sum'，计算的是每个分组下所有销售额的总和；
• seaborn的lineplot和barplot默认使用**均值（mean）**作为统计量，展示的是分组内销售额的平均值，而非加总结果。

比如你提供的样例数据里，Godis子产品有6条销售额记录，透视表会把这6个数全部加总，而折线图/柱状图会先计算这6个数的平均值再展示，两者数值自然不同。

如果要让图表和透视表数值匹配，只需在绘图时指定聚合函数为sum：

• 折线图修改代码：

sns.lineplot(data=df_replace_code3, x='subproduct', y='sales', hue='productcode', markers=True, style='productcode', dashes=False, estimator='sum')

• 柱状图修改代码：

sns.barplot(y='subproduct', x='sales', data=df_replace_code3, hue='productcode', estimator='sum')

修改后柱状图的标注逻辑也会自动对应总和，最终就能和透视表的数值一致。

内容的提问来源于stack exchange，提问作者Berke