Python DataFrame多值Name列拆分及统计可视化问题求助

1. 拆分Name列并保留原DataFrame #

你已经用str.split(expand=True)完成了拆分，只需将拆分结果与原DataFrame合并即可，用pd.concat实现：

import pandas as pd

data = {'Name': ['Bird,Elephant,Dog,Cat', 'Bird,Elephant,Dog', 'Bird,Elephant,none,Cat', 'Bird'],'Age': [20, 21, 19, 18]}  
df = pd.DataFrame(data) 

# 拆分Name列生成新列
split_names = df['Name'].str.split(',', expand=True)
# 给拆分后的列命名
split_names.columns = [f'Name_{i}' for i in split_names.columns]
# 合并回原DataFrame，保留原Name列
df_with_split = pd.concat([df, split_names], axis=1)
print(df_with_split)

执行后得到的df_with_split会保留原Name列，同时新增拆分后的各值列。

2. 统计各名称的出现次数 #

要统计所有名称的出现次数，需将拆分后的名称列转为一维数据，过滤空值和不需要的none，再用value_counts()统计：

# 提取所有拆分后的名称列，转为一维Series
all_names = df_with_split.filter(regex='Name_\d').stack()
# 过滤空值和'none'
cleaned_names = all_names[all_names != 'none'].dropna()
# 统计各名称出现次数
name_counts = cleaned_names.value_counts()
print(name_counts)

运行结果示例：

Bird        4
Elephant    3
Cat         2
Dog         2
dtype: int64

3. 用countplot可视化统计结果 #

使用seaborn的countplot绘制可视化图表，需先将统计结果转为DataFrame：

import seaborn as sns
import matplotlib.pyplot as plt

# 将统计结果转为DataFrame
count_df = name_counts.reset_index()
count_df.columns = ['Name', 'Count']

# 绘制countplot
sns.countplot(data=count_df, x='Name', hue='Name', palette='viridis', legend=False)
# 为每个柱子添加数值标签
for i, v in enumerate(count_df['Count']):
    plt.text(i, v, str(v), ha='center')
plt.title('各名称出现次数统计')
plt.xlabel('名称')
plt.ylabel('出现次数')
plt.show()

通过图表可以直观看到最受欢迎的名称。

内容的提问来源于stack exchange，提问作者Amelia Putri Damayanti