如何生成符合需求的按年份分组的case_status分布横向条形图？

我懂你想要的效果——按年份分组，每个年份下清晰展示不同case_status的分布对比，而你当前的代码生成的是把(year, case_status)每个组合都作为独立的条形，没有形成按年份的分组对比，看起来会比较零散对吧？

咱们来调整几种方案，你可以根据需求选：

方案1：用Pandas原生方法重塑数据后绘图 #

先把统计结果重新整理成「年份为行，case_status为列」的结构，再绘图就能得到分组效果：

# 统计每个年份各case_status的数量，unstack把case_status转为列，空值补0
status_counts = df.groupby('year')['case_status'].value_counts().unstack(fill_value=0)
# 绘制横向分组条形图（stacked=False是并列展示，改成True就是堆叠效果）
status_counts.plot.barh(stacked=False)

这样出来的图里，每一行对应一个年份，同一行里的不同条形就是该年份下各个case_status的数量对比，一目了然。

方案2：用Seaborn快速实现分组计数图 #

Seaborn的countplot可以直接帮你完成分组统计+绘图，代码更简洁：

import seaborn as sns
import matplotlib.pyplot as plt

# y轴是年份，hue按case_status区分颜色
sns.countplot(data=df, y='year', hue='case_status')
plt.title('Case Status Distribution by Year')
plt.xlabel('Number of Cases')
plt.ylabel('Year')
plt.show()

这个图会自动按年份分组，每个年份行里用不同颜色标注各个case_status的数量，视觉上非常清晰。

额外需求：展示占比而非数量 #

如果你想看每个年份里各case_status的占比，而不是绝对数量，可以这样处理：

# 计算每个年份各case_status的占比（转为百分比）
status_proportions = df.groupby('year')['case_status'].value_counts(normalize=True).unstack(fill_value=0) * 100
# 用堆叠横向条形图展示占比
status_proportions.plot.barh(stacked=True)
plt.xlabel('Percentage (%)')
plt.title('Case Status Proportion by Year')

内容的提问来源于stack exchange，提问作者jacob