学习笔记：使用 pandas 和 Seaborn 绘制柱状图
前言
今天在使用 pandas 对数据进行处理并在 Python 中绘制可视化图表时，遇到了一些关于字体设置和 Seaborn 主题覆盖的小问题。这里将学习到的方法和注意事项做个总结，以便之后的项目中可以快速上手和排错。
一、设置 Matplotlib 字体
在 Python 中，Matplotlib 绘图时默认使用的英文字体不支持中文，如果直接渲染中文，往往会显示成方块或乱码。为了解决这个问题，我们可以通过修改 rcParams 来设置一个支持中文的字体，例如 SimHei（黑体）或 Microsoft YaHei。
下面是一段简单的函数，用于快速切换中文字体：
def set_chinese_font(font_name='SimHei'):"""设置Matplotlib的中文字体。:param font_name: 字体名称，默认使用'SimHei'。其他常见中文字体如'Microsoft YaHei'。"""import matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = [font_name] # 设置中文字体plt.rcParams['axes.unicode_minus'] = False # 正常显示负号
注意：如果系统中没有安装对应字体，设置可能不会生效。可以自行在系统（如 Windows 的
C:\Windows\Fonts）安装相应的字体文件。
二、Seaborn 与 Matplotlib 主题的冲突
很多时候，我们还会喜欢使用 Seaborn 自带的主题来让图表看起来更美观，例如：
import seaborn as sns
sns.set(style="whitegrid")
然而，一些版本的 Seaborn 可能会覆盖你在 Matplotlib 中设置的字体；或者你在不同地方多次调用不同的主题，也可能引发冲突。常见解决方法是要么只使用 Seaborn 的主题而不手动改字体，要么先调用 Seaborn 的主题再调用中文字体，让中文字体占最终优先级。
例如，如果你想保留白色网格风格，但又希望用黑体显示中文，可以这样写：
import seaborn as sns
sns.set(style="whitegrid")# 然后设置中文字体
set_chinese_font('SimHei')
如果两者仍然冲突，建议去掉其中一个或尝试删除 Matplotlib 缓存，让它重新扫描系统字体。
三、Seaborn barplot 的工作原理
在使用 Seaborn 绘制柱状图时，常见用法是：
import seaborn as snsbar_plot = sns.barplot(x='学院',y='人数',data=college_counts,palette='viridis'
)
不需要再手动把 bar_plot “放进” Matplotlib，因为 Seaborn 会自动在当前的 Matplotlib Figure 中生成 Axes，返回给我们的是一个已经绑定到该 Figure 的对象。因此，只要最后 plt.show() 或 plt.savefig()，就能看到或保存这张图表。
1. 同一个坐标多个柱状（同一个 x 有多个柱子）
当我们想要在同一个 x 值下显示多个柱子（例如，同一个学院下，分别统计“参保”和“未参保”人数），可以使用 hue 参数：
bar_plot = sns.barplot(x='学院',y='人数',data=grouped_df,hue='2025年参保情况', # 在同一个学院里区分参保和未参保palette='viridis',dodge=True, # True:并排放置；False:重叠放置legend=True # 是否显示图例
)
关键参数说明
-
x='学院': 横轴分组依据。每个学院在 x 轴上有一个刻度。 -
hue='2025年参保情况': 同一个学院如何再细分颜色。因为grouped_df里有一列 “2025年参保情况” (参保/未参保)，Seaborn 就会在同一个 x 刻度下绘制两根柱子并用不同的颜色。 -
dodge=True: 当同一个 x 有多个柱子时，并排显示。如果改成False，则会把这些柱子重叠绘制。
dodge意味躲避，= true时
= false时
-
legend=True: 是否显示图例。因为我们有hue，所以图例可以帮我们标识不同颜色所对应的“参保” / “未参保”。
2. 如何得到 grouped_df
通常，我们会有一个 DataFrame 包含诸如“学院”、“2025年参保情况”、“姓名”等列。要得到分组后的每组人数，可以这样：
grouped_df = df.groupby(['学院', '2025年参保情况']).size().reset_index(name='人数')
groupby(['学院', '2025年参保情况'])：先按“学院”和“参保情况”分组.size()：求出每个分组内行数，即人数.reset_index(name='人数')：把分组索引转换为普通列，并将这个计数列重命名为“人数”
然后 grouped_df 就可以拿来给 Seaborn 的 barplot 使用了。
四、总结
-
字体设置与 Seaborn 主题冲突：
- 要么只用一方；
- 要么先
sns.set(...)，再set_chinese_font(...)。
-
Seaborn barplot 与 Matplotlib
- Seaborn 自动把数据绘制到当前图中，不需要显式地“放进” Matplotlib；
- 只需
plt.show()或plt.savefig()查看或保存结果。
-
一个横坐标多个柱状图
- 通过设置
hue='...'参数，告诉 Seaborn 在同一 x 类别下再细分颜色。 dodge=True为并排，不会重叠；dodge=False则重叠显示。
- 通过设置
-
分组汇总
- 借助
groupby()+size()（或count()、sum()等）做聚合，再用reset_index转换成列形式，是一条非常重要的分析路径。
- 借助
通过这些技巧，我们就可以轻松地使用 pandas + Seaborn 绘制各种各样的统计图表，展示数据中的分类情况、分布情况以及关系，满足日常数据分析与可视化需求。
延伸阅读
- Seaborn 官方文档: https://seaborn.pydata.org/
- Matplotlib 字体管理: https://matplotlib.org/stable/tutorials/text/text_props.html
- pandas 文档: https://pandas.pydata.org/docs/
至此，今天的学习心得就整理完毕啦！ 希望这篇笔记能帮你更快掌握在 Python 中处理中文显示、使用 Seaborn 绘制柱状图，以及在同一个坐标轴上并排展示多个柱子的技巧。祝你在数据可视化之路上更进一步！
