如何用循环绘制多组同X异Y的Seaborn分组柱状图？

这问题我之前做项目时刚好遇到过，批量生成这类分组对比的柱状图其实用循环就能轻松搞定，我给你两种实用方案，按需选择：

这种方式会为每个Y轴变量单独生成一张图，适合需要单独查看每个指标对比的场景：

1. 先确定要绘制的Y轴变量列表：你可以手动指定目标列，也可以自动筛选数据集中的数值列（排除group列）。
2. 循环遍历这个列表，每次调用sns.catplot时替换y参数即可，还可以给每个图加上明确的标题。

import seaborn as sns
import matplotlib.pyplot as plt

# 方式1：手动指定需要对比的数值列（推荐，更精准）
target_cols = ['Number of findings (total)', '列名1', '列名2', '列名3']

# 方式2：自动筛选所有数值列（排除group列）
# target_cols = df.select_dtypes(include=['int64', 'float64']).columns
# target_cols = target_cols[target_cols != 'group']  # 如果group是数值型才需要这步

# 循环绘制每个图
for col in target_cols:
    # 调用catplot生成柱状图
    g = sns.catplot(
        x='group', 
        y=col, 
        kind="bar", 
        palette="muted", 
        data=df
    )
    # 设置图标题，避免重叠可以调整y值
    g.fig.suptitle(f'分组对比：{col}', y=1.02)
    # 显示当前图（脚本运行时需要，Jupyter环境可省略）
    plt.show()

如果想把所有对比图放在同一个画布上，方便同时查看多个指标的差异，可以结合Matplotlib的子图布局来实现：

import seaborn as sns
import matplotlib.pyplot as plt

# 同样先定义目标列
target_cols = ['Number of findings (total)', '列名1', '列名2', '列名3']

# 设置网格布局参数：每行放2个图，计算需要的行数
n_cols = 2
n_rows = (len(target_cols) + n_cols - 1) // n_cols

# 创建画布和子图对象
fig, axes = plt.subplots(n_rows, n_cols, figsize=(14, 10))
# 把二维子图数组转成一维，方便循环遍历
axes = axes.flatten()

# 循环绘制每个子图
for idx, col in enumerate(target_cols):
    ax = axes[idx]
    # 使用sns.barplot直接指定子图轴
    sns.barplot(
        x='group', 
        y=col, 
        palette="muted", 
        data=df,
        ax=ax
    )
    # 设置子图标题和坐标轴标签
    ax.set_title(f'{col}', fontsize=12)
    ax.set_xlabel('分组', fontsize=10)
    ax.set_ylabel(col, fontsize=10)

# 隐藏多余的空轴（如果目标列数量不是列数的整数倍）
for ax in axes[len(target_cols):]:
    ax.axis('off')

# 自动调整子图间距，避免重叠
plt.tight_layout()
plt.show()

小提示 #

• 如果你的列名比较长，可以用ax.set_ylabel(col, rotation=45)来调整标签角度，避免重叠；
• 可以根据需求修改palette参数更换配色，比如"viridis"或者自定义颜色列表；
• 如果需要添加统计显著性标记（比如p值），可以在循环里结合scipy.stats计算后用ax.text()添加到图中。

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