MultiIndex DataFrame的statsmodels马赛克图绘制问题求助

问题原因 #

• 直接用带MultiIndex的hdf调用mosaic时，函数会把索引当作列名查找，但MultiIndex是行索引而非列，因此抛出KeyError。
• 仅传入["count"]时，函数只会将count作为唯一分类维度，导致所有矩形大小均等，无法体现分类组合的频次占比。

修正方案 #

将MultiIndex还原为普通列，并指定分类变量与权重列：

import pandas as pd
from statsmodels.graphics.mosaicplot import mosaic

rows=[
    {"Mode":"ID", "SortBy":"Start", "SortDir":"ASC", "count":10},
    {"Mode":"ID", "SortBy":"Start", "SortDir":"DESC", "count":100},
    {"Mode":"FULL", "SortBy":"End", "SortDir":"DESC", "count":1000}
]
df=pd.DataFrame(rows)
# 将groupby后的MultiIndex转为普通列
hdf=df.groupby(["Mode", "SortBy", "SortDir"]).sum("count").reset_index()
# 指定分类变量，并用count作为权重控制矩形大小
mosaic(hdf, ["Mode", "SortBy", "SortDir"], weights="count")

优化标签显示（可选） #

如果需要在矩形内显示分类组合及对应频次，可自定义标签生成函数：

def custom_label(key):
    # 根据分类组合匹配对应的count值
    count = hdf[(hdf["Mode"] == key[0]) & 
                (hdf["SortBy"] == key[1]) & 
                (hdf["SortDir"] == key[2])]["count"].values[0]
    return f"{key[0]}\n{key[1]}\n{key[2]}\nCount: {count}"

# 调用时传入自定义标签函数
mosaic(hdf, ["Mode", "SortBy", "SortDir"], weights="count", labelizer=custom_label)

内容的提问来源于stack exchange，提问作者Stefan Reisner