在Python中可视化三类分类变量（城市/职业/血型）的技术方案问询

其实Seaborn的swarmplot并不要求某一轴必须是定量变量——它完全支持两个分类轴，只要你有每个样本的原始记录（正好你手里有500行的原始df）。你之前可能误用了聚合后的数据来调用swarmplot，才导致报错。直接用原始数据就能实现你想要的效果：

import seaborn as sns
import matplotlib.pyplot as plt

# 设置绘图风格
sns.set_style("whitegrid")

# 绘制swarmplot
plt.figure(figsize=(12, 8))
sns.swarmplot(
    data=df,
    x="City",
    y="Occupation",
    hue="Blood Type",
    size=5,  # 调整点的大小避免过度拥挤
    dodge=True  # 按血型分组抖动，减少点的重叠
)

# 添加标题和标签
plt.title("Distribution of Blood Types by City and Occupation", fontsize=14)
plt.xlabel("City", fontsize=12)
plt.ylabel("Occupation", fontsize=12)
# 将图例放在图外避免遮挡
plt.legend(title="Blood Type", bbox_to_anchor=(1.05, 1), loc="upper left")

plt.tight_layout()
plt.show()

这个图会在每个City-Occupation交叉位置，用不同颜色展示每个样本的血型，抖动效果会避免点完全重叠，直观呈现各分组的分布情况。

如果你想展示聚合后的计数（而不是单个样本），可以创建4行（对应4种Occupation）×5列（对应5种City）的子图网格，每个子图展示该组合下各血型的计数：

首先，先把聚合后的数据整理成更易处理的格式：

# 获取分组后的计数数据，并重置索引简化结构
grouped_df = df.groupby(by=['City','Occupation','Blood Type']).count().unstack(level=1)
# 移除冗余的顶层列名
grouped_df.columns = grouped_df.columns.droplevel(0)
grouped_df = grouped_df.reset_index()

然后绘制子图网格：

import matplotlib.pyplot as plt

# 定义子图布局：4行（职业）×5列（城市）
fig, axes = plt.subplots(nrows=4, ncols=5, figsize=(18, 12))
# 调整子图间的间距
fig.subplots_adjust(hspace=0.4, wspace=0.3)

# 获取所有唯一的职业和城市值
unique_occupations = df['Occupation'].unique()
unique_cities = df['City'].unique()

# 循环绘制每个子图
for i, occupation in enumerate(unique_occupations):
    for j, city in enumerate(unique_cities):
        # 筛选当前城市+职业组合的数据
        subset = grouped_df[(grouped_df['City'] == city) & (grouped_df.index.get_level_values(1) == occupation)]
        ax = axes[i, j]
        # 绘制柱状图
        subset.plot(kind='bar', x='Blood Type', y=occupation, ax=ax, legend=False)
        # 设置子图标题和标签
        ax.set_title(f"{city}\n{occupation}", fontsize=10)
        ax.set_xlabel("Blood Type", fontsize=8)
        ax.set_ylabel("Count", fontsize=8)
        ax.tick_params(axis='both', labelsize=7)

# 添加整体标题
fig.suptitle("Blood Type Counts by City and Occupation", fontsize=16, y=1.02)
plt.tight_layout()
plt.show()

这里的关键点：

• 先把分组后的多层索引数据扁平化，方便后续筛选
• 循环遍历每个职业和城市的组合，在对应的子图中绘制柱状图
• 调整子图间距、标题和标签大小，保证整体布局美观且信息清晰

这样你就能得到一个整齐的网格，每个子图清晰展示特定城市和职业下各血型的数量分布。

内容的提问来源于stack exchange，提问作者Max