如何按州总记录数降序排列堆叠柱状图？Pandas排序求助

我明白你的问题啦——你已经按State和Category对DataFrame分组求和，但想让堆叠柱状图里的州按总记录数降序排列，同时保留每个州下三类数据的原有结构，之前尝试的sort_values方法没达到预期效果对吧？

问题根源 #

你之前的两段代码都没精准匹配需求：

• 第一段my_df_sort = my_df.groupby(['State','Category']).sum().sort_values(by=['State','Number of Records'])是按州名+单类别记录数排序，不是按州的总记录数排序；
• 第二段my_df_sort2= my_df.groupby(['State']).sum().sort_values(by=['Number of Records'], ascending=False)得到的是仅包含州和总记录数的汇总DataFrame，丢失了Category的分层结构，没法直接生成堆叠柱状图。

解决方案：先定排序顺序，再重排原分组数据 #

我们可以先提取按总记录数降序的州顺序，再让原分组后的DataFrame遵循这个顺序排列，完美保留原有格式：

步骤1：获取排序后的州顺序

先计算每个州的总记录数，提取降序排列的州名称列表：

import pandas as pd

# 计算每个州的总记录数，按降序排序后提取州名
state_sorted_order = my_df.groupby('State')['Number of Records'].sum().sort_values(ascending=False).index

步骤2：重排原分组DataFrame（两种方式可选）

方式1：转为分类类型（适合后续绘图自动识别顺序）

如果你的分组数据已经展开（非多级索引），可以把State列转为Categorical类型并指定顺序：

# 先完成分组求和并展开索引
my_df_grouped = my_df.groupby(['State','Category']).sum().reset_index()
# 将State转为分类，指定排序后的顺序
my_df_grouped['State'] = pd.Categorical(my_df_grouped['State'], categories=state_sorted_order, ordered=True)
# 绘制堆叠柱状图
my_df_grouped.pivot(index='State', columns='Category', values='Number of Records').plot(kind='bar', stacked=True)

方式2：重排多级索引（适合保留分组后的多级索引结构）

如果想保留['State','Category']的多级索引结构，可以用reindex指定level来重排：

# 完成分组求和（保留多级索引）
my_df_grouped = my_df.groupby(['State','Category']).sum()
# 按预定义的州顺序重排索引
my_df_grouped_sorted = my_df_grouped.reindex(state_sorted_order, level='State')
# 绘制堆叠柱状图（直接用unstack展开类别）
my_df_grouped_sorted['Number of Records'].unstack().plot(kind='bar', stacked=True)

这样处理后，你的堆叠柱状图就会按州的总记录数从高到低排列，比如加利福尼亚州（总记录2001）会排在首位，同时每个州下的三类数据结构完全保留。

内容的提问来源于stack exchange，提问作者Ellen-Yilun Wang