为了使总条高度在对数尺度上存在，但是条内的类别的比例是线性的，可以重新计算堆叠的数据，使得其在对数尺度上呈现线性。
作为一个展示的例子，让我们选择6个数据集，它们的总数非常不同（[5,10,50,100,500,1000]），这样在线性尺度上，下面的条会很小。让我们将其分为30%，50%和20%的部分（为了简单起见，所有不同的数据都按相同的比例划分）。
然后，我们可以计算每个数据点（稍后将出现在堆叠条上）需要多大，以便在对数标度图中保留30%，50%和20%的比例，并最终绘制这些新创建的数据。

from __future__ import division 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

a = np.array([5,10,50,100,500,1000])

p = [0.3,0.5,0.2]
c = np.c_[p[0]*a,p[1]*a, p[2]*a]

d = np.zeros(c.shape)
for j, row in enumerate(c):
    g = np.zeros(len(row)+1)
    G = np.sum(row)
    g[1:] = np.cumsum(row)
    f = 10**(g/G*np.log10(G))
    f[0] = 0
    d[j, :] = np.diff( f )

collabels = ["{:3d}%".format(int(100*i)) for i in p]     
dfo = pd.DataFrame(c, columns=collabels)
df2 = pd.DataFrame(d, columns=collabels)

fig, axes = plt.subplots(ncols=2)

axes[0].set_title("linear stack bar")
dfo.plot.bar(stacked=True, log=False, ax=axes[0])
axes[0].set_xticklabels(a)

axes[1].set_title("log total barheight\nlinear stack distribution")
df2.plot.bar(stacked=True, log=True, ax=axes[1])
axes[1].set_xticklabels(a)
axes[1].set_ylim([1, 1100])
plt.show()

最后一点：我认为人们应该小心使用这样的图表。它可能对检查有用，但我不建议向其他人展示这样的图表，除非你能绝对确保他们理解图表的内容以及如何阅读它。否则这可能会引起很多混乱，因为堆叠的类别的高度与比例不匹配，这根本就是错误的。显示错误的数据会引起很多麻烦！

为了避免对数标度的问题，您不能将图中的条形图堆叠起来。这样，您可以将每个条形图与相同的标度进行比较。但您需要一个更长的图（5倍以上）。简单地stacked=False。示例数据：

两个没有数据的建议（提供样本数据更好）

选项1

使用value_counts(normalize=True)

brandScore = swissDF.groupby(['brand', 'overall'])['brand']
brandScore = brandScore.value_counts(normalize=True).unstack('overall')
brandScore.plot(kind='bar', stacked=True, figsize=(8,6))

选项2

除以行和

brandScore = swissDF.groupby(['brand', 'overall'])['brand']
brandScore = brandScore.count().unstack('overall')
brandScore.div(brandScore.sum(1), 0).plot(kind='bar', stacked=True, figsize=(8,6))