我发现条形图有“标签”功能：

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

array = np.array([[1,5,9],[3,5,7]])

df = pd.DataFrame(data=array, index=['Positive', 'Negative'])

f, ax = plt.subplots(figsize=(8, 6))

current_palette = sns.color_palette('colorblind')

sns.barplot(x = np.arange(0,3,1), y = df.loc['Positive'].to_numpy(), color = current_palette[2], alpha = 0.66, label = "Positive")
sns.barplot(x = np.arange(0,3,1), y = df.loc['Negative'].to_numpy(), color = current_palette[4], alpha = 0.66, label = "Negative")

plt.xticks(np.arange(0,3,1), fontsize = 20)
plt.yticks(np.arange(0,10,1), fontsize = 20)

plt.legend(frameon = False)

plt.tight_layout()

• OP中的条形图和其他answer是错误的。条形图按z顺序分层，而不是堆叠，这是不标准的，并且可能被误解。如图plot所示。
• 绘制一个宽 Dataframe 的正确方法是使用pandas.DataFrame.plot。
• index中的值将是xticklabels，column名称将是图例标签。
• 根据数据的呈现方式，使用.T转置index和columns。
• 一般来说，堆叠条形图并不是呈现数据的最佳方式，因为在两组之外，很难准确地比较长度。
• 分组条更好，因为条的长度更容易比较。
• 正如这个答案所示，最好正确使用seaborn或pandas的绘图API来管理图例。
• pandas使用matplotlib作为默认绘图后端，seaborn是matplotlib的高级API。
• 在本例中，df已经具有用于图例的标签。
• 如果数据框没有合适的标签，最好是管理、转换和清理数据框，让绘图API处理图例、标签等。
• 使用.rename重命名列和索引值。
• 使用.map添加一个新列，用于seaborn中的hue。
• 请参阅Move seaborn plot legend to a different position和How to put the legend outside the plot以全面了解移动图例选项。
  *在python 3.11.3、pandas 2.0.2、matplotlib 3.7.1、seaborn 0.12.2中测试

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# sample wide dataframe
df = pd.DataFrame(data=np.array([[1, 5, 9],[3, 5, 7]]),
                  index=['Positive', 'Negative'])

# covert to long form
dfm = df.melt(ignore_index=False).reset_index(names='Cat')

叠棒pandas.DataFrame.plot

• 这需要一行代码来实现。

# transpose and plot the dataframe
ax = df.T.plot(kind='bar', stacked=True, rot=0, figsize=(8, 6))

# cosmetics
ax.spines[['top', 'right']].set_visible(False)
ax.legend(title='Cat', bbox_to_anchor=(1, 0.5), loc='center left', frameon=False)

• 使用stacked=False，这是更好的选择。

seaborn.histplot的叠棒

• seaborn最适合长格式的数据，因此使用dfm。
• sns.barplot不做堆叠棒，所以必须使用sns.histplot。
• histplot用于显示连续数据的分布，由于传递给x-axis的列是数字，因此轴显示为连续的，而不是离散的类别。

fig, ax = plt.subplots(figsize=(8, 6))
sns.histplot(data=dfm, x='variable', weights='value', hue='Cat', multiple='stack', discrete=True, ax=ax)

# cosmetics
ax.spines[['top', 'right']].set_visible(False)
sns.move_legend(ax, bbox_to_anchor=(1, 0.5), loc='center left', frameon=False)

seaborn.barplot成组钢筋

fig, ax = plt.subplots(figsize=(8, 6))
sns.barplot(data=dfm, x='variable', y='value', hue='Cat', ax=ax)

# cosmetics
ax.spines[['top', 'right']].set_visible(False)
sns.move_legend(ax, bbox_to_anchor=(1, 0.5), loc='center left', frameon=False)