如何基于Groupby结果为每个$etf_asset_class分组绘制直方图？

首先明确：由于ETF_Quintiled_Grades是1-5的离散等级，用柱状图替代直方图更贴合数据类型（直方图多用于连续数据分布），以下提供两种实现方案，基于pandas、matplotlib和seaborn库。

先构造示例数据（匹配你的数据结构） #

假设你的DataFrame经过groupby和计数后结构如下，先构造模拟数据方便测试：

import pandas as pd
import numpy as np

data = {
    '$etf_asset_class': np.repeat(['股票', '债券', '商品'], 5),
    'ETF_Quintiled_Grades': np.tile([1,2,3,4,5], 3),
    'Counts': np.random.randint(10, 100, 15)
}
df = pd.DataFrame(data)

# 如果你的groupby结果是多级索引，先重置索引：
# df = df.reset_index()

方案1：Matplotlib手动循环绘制 #

适合需要精细控制每个子图样式的场景：

import matplotlib.pyplot as plt

# 获取所有唯一的资产类别
asset_classes = df['$etf_asset_class'].unique()
# 计算子图布局，这里按2列排列
row_num = (len(asset_classes) + 1) // 2
fig, axes = plt.subplots(row_num, 2, figsize=(12, 8))
axes = axes.flatten()  # 扁平化子图数组，方便遍历

for idx, asset in enumerate(asset_classes):
    # 筛选当前资产类别的数据
    subset = df[df['$etf_asset_class'] == asset]
    # 绘制柱状图
    axes[idx].bar(subset['ETF_Quintiled_Grades'], subset['Counts'], color='skyblue')
    # 设置子图属性
    axes[idx].set_title(f'资产类别：{asset}')
    axes[idx].set_xlabel('ETF等级（1-5）')
    axes[idx].set_ylabel('计数')
    axes[idx].set_xticks([1,2,3,4,5])  # 固定x轴刻度为1-5

# 隐藏多余的空图（如果类别数为奇数）
for j in range(idx + 1, len(axes)):
    axes[j].axis('off')

plt.tight_layout()
plt.show()

方案2：Seaborn FacetGrid快速分面绘制 #

代码更简洁，适合快速生成标准化的分面图：

import seaborn as sns

# 按资产类别分面，每行2个图
g = sns.FacetGrid(df, col='$etf_asset_class', col_wrap=2, height=4)
# 映射柱状图，指定等级顺序避免乱序
g.map(sns.barplot, 'ETF_Quintiled_Grades', 'Counts', order=[1,2,3,4,5], palette='viridis')

# 设置统一的轴标签和子图标题
g.set_axis_labels('ETF等级（1-5）', '计数')
g.set_titles('资产类别：{col_name}')

plt.tight_layout()
plt.show()

注意事项 #

• 如果你的groupby结果是多级索引（$etf_asset_class和ETF_Quintiled_Grades是索引），必须先执行df = df.reset_index()将索引转为列，否则无法直接通过列名筛选数据
• 可根据需求调整颜色方案、子图大小、标题字体等样式参数

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