基于性别分组的问卷答案频次可视化实现问询

嘿，太懂你这种找分类数据可视化例子碰壁的郁闷了！我之前也踩过类似的坑，其实针对你这个需求，不管用Seaborn还是直接用Pandas+Matplotlib都能轻松搞定簇状或堆叠柱状图，下面给你一步步拆解实现：

第一步：完整数据准备（你已经写好的，我整合到完整代码里啦） #

首先把你的原始数据和依赖库导入写全，方便直接运行：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 你的问卷数据
answers = ['A', 'B', 'A', 'B', 'A', 'A', 'B', 'B', 'B', 'A', 'C', 'B', 'A', 'C']
genders = ['M', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'M', 'F', 'M', 'M', 'F', 'M']
df = pd.DataFrame({'Answer': answers, 'Gender': genders})

方案一：簇状柱状图（两种实现方式） #

簇状图最适合对比不同性别下同一答案的频次差异，有两种简单的实现方式：

方式1：Pandas 交叉表统计+直接绘图 #

核心是先用pd.crosstab统计每个性别下各答案的频次，然后直接调用plot方法：

# 1. 统计每个性别对应各答案的频次
freq_table = pd.crosstab(df['Gender'], df['Answer'])

# 2. 绘制簇状柱状图
freq_table.plot(kind='bar', figsize=(8, 5), rot=0, colormap='Set2')
plt.title('问卷答案频次（按性别分组·簇状）')
plt.xlabel('性别')
plt.ylabel('频次')
plt.legend(title='答案选项')
plt.tight_layout()  # 自动调整布局避免标签被截断
plt.show()

方式2：Seaborn countplot 实现 #

如果你更习惯用Seaborn，直接用countplot的hue参数就能实现分组，不用手动统计频次：

plt.figure(figsize=(8, 5))
# x轴设为性别，hue按答案分组
sns.countplot(data=df, x='Gender', hue='Answer', palette='Set2')
plt.title('问卷答案频次（按性别分组·簇状）')
plt.xlabel('性别')
plt.ylabel('频次')
plt.legend(title='答案选项')
plt.tight_layout()
plt.show()

方案二：堆叠柱状图实现 #

要是想展示每个性别下各答案的占比结构，堆叠柱状图就很合适，同样基于之前统计的频次表：

# 绘制堆叠柱状图
freq_table.plot(kind='bar', stacked=True, figsize=(8, 5), rot=0, colormap='Set2')
plt.title('问卷答案频次（按性别分组·堆叠）')
plt.xlabel('性别')
plt.ylabel('频次')
# 把图例放到图外面，避免挡住柱子
plt.legend(title='答案选项', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

一些额外小技巧 #

• 要是想把频次换成百分比占比（比如每个性别下各答案的占比），可以先对频次表做归一化：

  # 计算每个性别下各答案的百分比
  freq_pct = freq_table.div(freq_table.sum(axis=1), axis=0) * 100
  # 然后用同样的plot方法绘制即可，记得把ylabel改成"占比(%)"
  

• 调整配色的话，Seaborn可以用palette参数选内置配色，Pandas plot可以用colormap参数
• 要是想给柱子加上数值标签（把频次数字标在柱子上），可以循环遍历每个柱子添加文本，这个需要的话也可以再给你补充~

这样应该就能完美满足你的需求啦，其实分类数据可视化的核心就是先把频次统计清楚，剩下的绘图步骤和常规柱状图没差哦😉

内容来源于stack exchange