seaborn barplot + pd.melt 比較四地區銷售比例
原題
團隊希望比較北美、歐洲、日本及其他地區的整體銷售比例，並使用 seaborn 套件以長條圖的形式進行可視化分析。請選出能正確顯示這些地區銷售總額比例的程式碼。
白話
資料集有四個地區銷售欄位（NA_Sales、EU_Sales、JP_Sales、Other_Sales），現在要用 seaborn 畫一張長條圖，x 軸是各地區名稱，y 軸是該地區的銷售總額，讓各地區的整體銷售量一目了然。
問你：哪一行程式碼能正確用 seaborn 長條圖呈現四個地區的銷售總額？
先自己選一個答案，再看完整解析。
一句話總結
要用 seaborn 的 barplot 比較四個地區的銷售總額，必須先用 pd.melt 把四個寬欄轉換成長格式，再傳給 sns.barplot 並用 estimator=sum 指定聚合為加總。countplot、lineplot、histplot 都不是正確的工具。
情境
先感受問題：seaborn 需要「長格式」資料
遊戲研究公司的分析師小凱要比較四個地區的銷售量。資料集目前是「寬格式」：
寬格式（原始）：
Name NA_Sales EU_Sales JP_Sales Other_Sales
Wii Sports 41.49 29.02 3.77 8.46
Mario Kart 15.85 12.88 3.79 3.31
問題：seaborn 的 barplot 需要「長格式」資料，也就是 x 欄是地區名稱（variable），y 欄是銷售數值（value）。寬格式四個地區欄位無法直接傳給 seaborn。
解法：用 pd.melt 把寬格式轉成長格式，再傳給 sns.barplot 並用 estimator=sum 把同一地區的所有值加總成一根柱子。
長格式（melt 後）：
variable value
NA_Sales 41.49
NA_Sales 15.85
...
EU_Sales 29.02
EU_Sales 12.88
...
舊方法
為什麼其他三種寫法都行不通
- countplot 不算數值加總：sns.countplot 計算「每個類別出現幾次」（計數），不計算銷售額數值的加總。即使能傳入欄位名稱，它也只計算頻率，不是銷售總額。而且 x=["NA_Sales",..] 傳入 Python 列表而非欄位名稱的用法本身就不符合 seaborn API。
- lineplot 是折線圖，y 不能是多欄列表：sns.lineplot 畫的是折線，適合時間序列，不是地區比較的柱狀圖。而且 y=["NA_Sales","EU_Sales",..] 傳入列表也不符合 seaborn 的 API（y 只接受單一欄位名稱）。
- histplot 是直方圖，顯示分佈而非總額：sns.histplot 畫的是「數值分佈的頻率」（例如各遊戲的 NA_Sales 分佈長什麼樣），不是四個地區的銷售總額比較。x 軸是銷售額的值域，不是地區名稱。
- seaborn 的 barplot 預設是 estimator=mean：不加 estimator=sum 時，barplot 預設顯示每個地區的「平均值」（每款遊戲平均賣多少），而非「總額」（所有遊戲加起來）。要顯示總額必須明確指定 estimator=sum。
- 寬格式不能直接用於多欄比較：seaborn 的設計哲學是長格式（tidy data）：每行是一個觀察值，每欄是一個變數。要比較多個欄位，必須先 melt 成長格式再畫圖。
新方法
melt 轉長格式，barplot + estimator=sum 搞定
小凱的正確程式碼：
melted = pd.melt(data, value_vars=["NA_Sales","EU_Sales","JP_Sales","Other_Sales"])
# melted 有兩欄：variable（地區名稱）和 value（銷售額）
sns.barplot(x="variable", y="value", data=melted, estimator=sum)
# x 軸：地區名稱（NA_Sales/EU_Sales/...）
# y 軸：每個地區的銷售額加總
# estimator=sum：指定柱子高度為加總而非預設的平均值
結果：四根柱子，x 軸是地區名稱，y 軸是全球各地區的銷售總額（百萬份），可直接比較各地區市場規模。這就是選項 C 講的：sns.barplot(x="variable", y="value", data=pd.melt(...), estimator=sum)。
中級考試大概率會考程式碼跟公式，所以這部分你還是要學。但如果現在學起來很痛苦，可以先跳過，等讀完其他題目回頭再來。
Step 1 純故事版
想像成績單：橫排有語文、數學、英文三列分數（寬格式），每位學生一行。melt 是把它改成直欄格式：第一欄「科目」、第二欄「分數」，每個分數獨佔一行（長格式）。長格式讓電腦容易按科目分組、加總、畫圖，seaborn 就是這種風格。barplot + estimator=sum 就是按科目把所有學生的分數加總，畫成柱子。
Step 2 中文 ↔ 程式碼對照
| 白話步驟 | 程式碼 |
|---|---|
| 把四個地區欄位轉成長格式 | pd.melt(data, value_vars=[...]) |
| 長格式中地區名稱欄 | variable 欄（melt 的預設輸出欄名） |
| 長格式中銷售數值欄 | value 欄（melt 的預設輸出欄名） |
| x 軸為地區名稱，y 軸為銷售值 | sns.barplot(x="variable", y="value", data=melted) |
| 柱子高度為加總（非平均） | estimator=sum |
Step 3 符號角色表
- pd.melt()：pandas 的寬轉長函式，把多個欄位（value_vars）折疊成兩欄：variable（原欄名）和 value（原欄值）。
- value_vars：melt 中指定要折疊的欄位名稱列表，這些欄位會被轉成 variable 欄中的類別值。
- sns.barplot()：seaborn 的分組長條圖，預設 estimator 是平均值（mean），可以改成 sum、max、np.median 等。
- estimator=sum：指定 barplot 每根柱子的高度計算方式為加總，而非預設的平均值。需要注意 seaborn 版本，新版 API 略有差異。
- tidy data（整齊資料）：seaborn 的最佳輸入格式：每行是一個觀察，每欄是一個變數，長格式就是標準的 tidy data 形式。
Step 4 完整公式對應
本題沒有數學公式，核心是資料形狀的轉換邏輯：
- 寬格式（Wide format）：每個特徵是一欄，適合 pivot 和矩陣運算
- 長格式（Long/Tidy format）：每個觀察一行，適合 seaborn、ggplot2 等視覺化工具
- pd.melt = 寬轉長；pd.pivot_table = 長轉寬
Step 5 自我複述
- pd.melt 後產生哪兩個欄位？各代表什麼意思？
- sns.barplot 預設的 estimator 是什麼？要改成加總要怎麼寫？
- 為什麼 seaborn 需要長格式資料，而 pandas 的 plot 有時能直接用寬格式？
- countplot 和 barplot 的主要差別是什麼？各適合哪種問題？
- 如果想把 x 軸標籤從 "NA_Sales" 改成更易讀的 "北美"，在 melt 之前或之後做哪個步驟？
錯選項
為什麼其他選項是錯的
Asns.countplot
字面在說什麼
用 countplot 傳入四個欄位名稱，比較各地區。
為什麼不對
countplot 計算的是「某個類別欄位中每個值出現幾次」，不計算數值加總。而且 x=["NA_Sales","EU_Sales",..] 傳入 Python 列表根本不符合 seaborn API（x 要接受欄位名稱字串，不是欄位名稱的列表）。執行會報錯，完全不能用。
誰會選錯
把 countplot 和 barplot 搞混，以為兩個都能畫「各類別的數量/總額」長條圖的人。
Bsns.lineplot
字面在說什麼
用 lineplot 以平台為 x 軸，畫四個地區的銷售折線圖。
為什麼不對
lineplot 畫折線，不是長條圖。y=["NA_Sales","EU_Sales",..] 傳入列表也不符合 seaborn 的標準 API（seaborn 的 y 參數只接受單一欄位名稱字串）。而且題目要的是各地區整體銷售比較（4 根柱子），不是按 Platform 分組的折線趨勢。
誰會選錯
看到「視覺化」就想到折線圖，或不熟悉 seaborn API 規範的人。
Dsns.histplot
字面在說什麼
用 histplot 傳入四個地區欄位的 DataFrame，畫分佈圖。
為什麼不對
histplot 畫的是「數值分佈的直方圖」，x 軸是銷售額的值（0~50 百萬份等），y 軸是該值範圍內的遊戲數量。題目要的是每個地區的銷售總額比較（4 根柱子，x 軸是地區名稱），histplot 完全是不同的圖表類型，回答不同的問題。
誰會選錯
只要「能傳入多欄 DataFrame」就選的人，沒有判斷 histplot 回答的問題（分佈）和題目要求的問題（各地區總銷售比較）不同。
變形題
同個考點下次怎麼變形
答案
id_vars 是「保留不折疊的欄位」（保持為識別符），value_vars 是「要折疊成長格式的欄位」。例如要同時保留 Name 和 Platform 兩欄：pd.melt(data, id_vars=["Name","Platform"], value_vars=["NA_Sales","EU_Sales","JP_Sales","Other_Sales"])，這樣 melt 後每行還能知道是哪款遊戲在哪個平台的哪個地區銷售額。
答案
可以先算好每個地區的總和，再手動建 DataFrame 傳給 seaborn：region_sales = data[["NA_Sales","EU_Sales","JP_Sales","Other_Sales"]].sum().reset_index()；region_sales.columns = ["Region","Total_Sales"]；sns.barplot(x="Region", y="Total_Sales", data=region_sales)。這樣不需要 estimator=sum，因為資料本身就已經是加總後的結果，每行就是一個地區的總銷售額。
答案
pd.melt 加入 id_vars=["Platform"]，再用 sns.barplot(x="Platform", y="value", hue="variable", data=melted, estimator=sum)。hue="variable" 讓同一平台的四個地區用不同顏色的並列柱子呈現。這是 seaborn 分組長條圖（grouped bar chart）的標準做法。
答案
EDA 視覺化（比較多個欄位，需要轉長格式給 seaborn）；機器學習前處理（OneHotEncoding 之前的多標籤欄折疊）；時間序列分析（把多個時間點欄位轉成時間-值的長格式）；問卷資料分析（把多個問卷題目欄轉成題目-答案長格式，方便統計各題的答案分佈）。melt 是「整理資料形狀」的重要工具，對應的逆操作是 pivot_table。
答案
預設有誤差線（error bar）。seaborn barplot 的誤差線預設是 95% 信賴區間（confidence interval），用 bootstrap 方法估算。這代表「我們估計該地區平均銷售額的範圍有 95% 的把握落在這個區間內」。如果改用 estimator=sum，誤差線就是總和的信賴區間。不想看誤差線可以設 errorbar=None 或 ci=None（舊版 seaborn）。
延伸
想再往下看，這 5 個
- 資料視覺化（Data Visualization）
seaborn 是 Python 最常用的統計視覺化函式庫，barplot 是其中最基礎的比較圖表，但需要先整理成 tidy data 格式。 - 資料前處理（Data Preprocessing）
pd.melt 是資料前處理中「重塑資料形狀」的關鍵操作，寬轉長是視覺化和某些分析的必要前置步驟。 - 描述性統計（Descriptive Statistics）
barplot 的柱子高度代表某個聚合統計量（預設均值，可改為總和），理解聚合函式是正確解讀圖表的基礎。 - 資料管線（Data Pipeline）
melt + seaborn 是 EDA 資料管線的常見組合，讓分析師能快速探索多欄位資料的比較關係。 - 特徵工程（Feature Engineering）
melt 得到的長格式資料，有時也可以作為特徵工程的中間步驟，例如計算各地區銷售的比例特徵。