如何调整Pandas条形图（bar plot）中分类变量的条形顺序？

这个问题我之前也碰到过！默认情况下value_counts()是按计数从高到低排序的，所以绘图时条形就跟着这个顺序走了。要调整成你想要的自定义顺序，有几种简单的方法：

方法1：将变量转为有序分类（推荐，适合长期固定顺序） #

如果后续分析也需要保持这个分类顺序，可以先把CatVar转换成有序分类变量，指定你想要的顺序。这样不管是value_counts()还是绘图，都会遵循这个顺序：

import pandas as pd

# 注意要和你数据里的取值大小写完全一致（比如你的数据是"Medium"首字母大写）
df['CatVar'] = pd.Categorical(df['CatVar'], categories=['Low', 'Medium', 'High'], ordered=True)

# 再绘图就会按指定顺序展示了
df.CatVar.value_counts().plot(kind="bar")

方法2：临时重排计数结果（不修改原数据） #

如果不想改动原数据集，只是临时调整绘图顺序，可以用reindex()方法按自定义顺序重新排列value_counts()的结果：

# 定义你想要的条形顺序
desired_order = ['Low', 'Medium', 'High']

# 按顺序提取计数，缺失的类别会显示为0（如果有的话）
sorted_counts = df.CatVar.value_counts().reindex(desired_order)

# 绘制条形图
sorted_counts.plot(kind="bar")

方法3：手动指定matplotlib的x轴顺序 #

如果你直接用matplotlib绘图，也可以手动设置条形的位置和标签：

import matplotlib.pyplot as plt

counts = df.CatVar.value_counts()
desired_order = ['Low', 'Medium', 'High']
# 按顺序提取对应的计数和标签
sorted_counts = [counts[cat] for cat in desired_order]

plt.bar(desired_order, sorted_counts)
plt.show()

需要注意的是：所有方法里的类别名称要和你数据中的取值大小写、拼写完全一致，不然会出现计数为0或者不匹配的情况~

内容的提问来源于stack exchange，提问作者ViggoTW