使用pandas绘制直方图时，如何交换X轴与Y轴以匹配折线图方向？

看起来你这里的核心问题是对pandas绘图逻辑的小误解，咱们一步步理清楚：

为什么你的直方图轴方向不对？ #

你先执行了：

ages = df_power.Age.value_counts().sort_index()

这得到的是一个Series，其中索引是Age的唯一值，值是对应Age出现的次数。

当你调用ages.plot(kind='hist')时，pandas是把这个Series的**值（也就是计数）**当作待统计的数据集来绘制直方图——它会把这些计数分成不同区间，统计每个区间的出现频率，所以X轴变成了「计数值」，Y轴是「频率」，这和你想要的（X轴是Age，Y轴是计数）完全相反。

而默认的折线图ages.plot()是把Series的索引作为X轴，值作为Y轴，所以刚好符合你的需求。

两种正确的解决方案 #

方案1：直接用原始Age列绘制直方图（推荐） #

如果你想要的是传统意义上的直方图（把Age分成连续区间统计数量），不需要先做value_counts，直接用原始列绘图即可：

age_plot = df_power['Age'].plot(kind='hist', legend=True)
age_plot.set_xlabel("Age (Years)")
age_plot.set_ylabel("Count")

这样X轴就是Age的数值区间，Y轴是对应区间的人数，完全符合你的需求。

方案2：用条形图替代直方图（适合离散Age值） #

如果你的Age是离散的整数（比如都是整岁数），你其实想要的是每个Age对应的计数条形图，而不是直方图。这时候可以用kind='bar'（纵向）或者kind='barh'（横向，也就是交换XY轴的效果）：

纵向条形图（和折线图轴方向一致）

ages = df_power.Age.value_counts().sort_index()
age_plot = ages.plot(kind='bar', legend=True)
age_plot.set_xlabel("Age (Years)")
age_plot.set_ylabel("Count")

横向条形图（交换XY轴）

如果确实需要交换XY轴，用横向条形图即可：

ages = df_power.Age.value_counts().sort_index()
age_plot = ages.plot(kind='barh', legend=True)
age_plot.set_ylabel("Age (Years)")
age_plot.set_xlabel("Count")

这时候Y轴是Age，X轴是计数，完美实现你要的轴交换效果。

内容的提问来源于stack exchange，提问作者jestifizzle