在python 3.12.0、pandas 2.1.1、matplotlib 3.8.0、seaborn 0.13.0中测试

使用pandas.DataFrame.melt或pandas.melt重塑DataFrame：

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

# convert the dataframe to a long format
dfm = pd.melt(df, id_vars="class", var_name="sex", value_name="survival rate")
dfm
Out: 
    class       sex  survival rate
0   first       men       0.914680
1  second       men       0.300120
2   third       men       0.118990
3   first     woman       0.667971
4  second     woman       0.329380
5   third     woman       0.189747
6   first  children       0.660562
7  second  children       0.882608
8   third  children       0.121259

字符串
通过创建具有分组条的单个面而不是具有单个条的多个面来合并图。
使用figure-level方法sns.catplot绘图

g = sns.catplot(x='class', y='survival rate', hue='sex', data=dfm, kind='bar', height=5, aspect=1)

型
使用axes-level方法sns.barplot绘图

# the following code matches the plot produced by catplot
plt.figure(figsize=(5, 5))
ax = sns.barplot(x='class', y='survival rate', hue='sex', data=dfm)
ax.spines[['top', 'right']].set_visible(False)
sns.move_legend(ax, bbox_to_anchor=(1, 0.5), loc='center left', frameon=False)

型

的数据

弃用

factorplot（v0.8.1或更早版本）：

sns.factorplot(x='class', y='survival rate', hue='sex', data=df, kind='bar')

型

为了在OP中生成绘图，我使用了以下代码，在将框架从宽格式转换为长格式之后。

在python 3.12.0、pandas 2.1.1、matplotlib 3.8.0、seaborn 0.13.0中测试

数据类型：

d = {'class': ['first', 'second', 'third', 'first', 'second', 'third', 'first', 'second', 'third'], 'sex': ['men', 'men', 'men', 'woman', 'woman', 'woman', 'children', 'children', 'children'], 'survival_rate':[0.914680, 0.300120, 0.118990, 0.667971, 0.329380, 0.189747, 0.660562, 0.882608, 0.121259]} 

df = pd.DataFrame(data=d)

字符串

的数据

g = sns.catplot(kind='bar', data=df, x='sex', y='survival_rate', col='class')

型

的

弃用

sns.factorplot("sex", "survival_rate", col="class", data=df, kind="bar")

型

的