如何用Pandas按自定义顺序创建教育水平的直方图？

我懂你的困扰——用数值映射会丢失原分类标签，直接用value_counts绘图又没法按想要的顺序排列对吧？其实最省心的办法是把edu转换成有序分类类型，这样不管做条形图（分类变量更适合用这个）还是直方图，都能严格遵循你想要的顺序，还能完整保留原标签。

下面给你分步演示可行的方案：

步骤1：将edu转为有序分类 #

先定义好你需要的自定义顺序列表，再用pd.Categorical把变量转换成有序分类，让Pandas和绘图库都能识别这个顺序：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的数据框是profile
custom_order = ['10', '11', '12', 'GED', '13']
profile['edu'] = pd.Categorical(profile['edu'], categories=custom_order, ordered=True)

步骤2：绘制符合顺序的条形图（推荐用于分类变量） #

对于分类数据来说，条形图比直方图更贴合场景，现在直接用value_counts()配合plot.bar()，就能自动按你设定的顺序排列：

profile['edu'].value_counts().plot(kind='bar', title='教育水平分布')
plt.xlabel('教育水平')
plt.ylabel('人数')
plt.show()

这样出来的图x轴会严格按照10→11→12→GED→13的顺序显示，标签也是原分类值，完美解决你之前的两个问题。

如果你一定要用直方图（补充方案） #

可以借助seaborn的histplot，它支持分类变量，并且能识别有序分类的顺序，也可以直接指定order参数：

import seaborn as sns

sns.histplot(data=profile, x='edu', order=custom_order)
plt.title('教育水平分布')
plt.show()

另外补充你之前尝试的第一种方法的优化：如果已经把edu映射成数值型edunum，也可以手动修改x轴标签来还原原分类：

# 先做好映射：10→0, 11→1, 12→2, GED→3, 13→4
profile['edunum'] = profile['edu'].map({'10':0, '11':1, '12':2, 'GED':3, '13':4})
ax = profile['edunum'].hist()
# 手动设置刻度和对应标签
ax.set_xticks([0,1,2,3,4])
ax.set_xticklabels(custom_order)
plt.xlabel('教育水平')
plt.show()

不过这种方法需要手动对应映射关系，不如直接用有序分类来得省心。

内容的提问来源于stack exchange，提问作者As3adTintin