ggplot：如何筛选特定阈值以上数据并展示正确百分比

1. 数据预处理 #

核心目标是先计算分组下4/5分的占比，再基于分组变量绘制子图，示例默认使用Python的pandas+seaborn+matplotlib栈实现。

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

# 生成高喜爱度标记列：得分4、5记为True，其余为False
df['high_liking'] = df['Liking of cats'].isin([4, 5])

# 按分类维度（示例为性别gender、是否有车has_car）计算占比，输出百分比格式
ratio_df = df.groupby(['gender', 'has_car'], as_index=False)['high_liking'].mean()
ratio_df['high_liking'] = ratio_df['high_liking'].round(4) * 100

2. 子图绘制 #

方案1：单分类变量分面展示 #

适合多分类变量独立展示的场景，使用seaborn的FacetGrid自动生成分面子图：

# 示例：按性别分面展示高喜爱度占比
g = sns.FacetGrid(df, col='gender', height=4, aspect=0.9)
g.map_dataframe(
    sns.barplot,
    y='high_liking',
    estimator=lambda x: sum(x)/len(x)*100,
    errorbar=None,
    palette='Set2'
)
g.set_axis_labels('', '喜爱度得分≥4的占比(%)')
g.set_titles('性别：{col_name}')
plt.show()

方案2：多分类变量交叉子图 #

适合同时展示多个分类维度的对比，手动控制子图布局：

# 示例：1行2列分别展示性别、是否有车两个维度的占比
fig, axes = plt.subplots(1, 2, figsize=(10, 4), sharey=True)

# 第一个子图：按性别分组
sns.barplot(
    data=ratio_df, x='gender', y='high_liking',
    ax=axes[0], palette='Set2'
)
axes[0].set_title('按性别分组')
axes[0].set_ylabel('喜爱度得分≥4的占比(%)')
axes[0].set_xlabel('性别')

# 第二个子图：按是否有车分组
sns.barplot(
    data=ratio_df, x='has_car', y='high_liking',
    ax=axes[1], palette='Set2'
)
axes[1].set_title('按是否拥有汽车分组')
axes[1].set_xlabel('是否拥有汽车')

plt.tight_layout()
plt.show()

可选调整项 #

• 如果需要单独展示4分、5分各自的占比而非合并，可以将high_liking拆分为独立标记列，或绘图时添加hue='Liking of cats'参数区分两个得分
• 子图行列数可以根据分类变量数量调整plt.subplots()的前两个参数，超过2个分类变量可改用行+列的网格布局
• 百分比精度可以通过round()函数的参数自行调整

内容的提问来源于stack exchange，提问作者ag123987