如何用Pandas将groupby分组后的统计数据绘制成直方图

你已经完成了营收计算和分组统计，接下来可以按以下步骤绘制可视化图形（注：这里更适合用条形图——直方图一般用于展示连续数据的分布；如果一定要用直方图，是把营收数值分成区间统计数量，但从你的需求看，条形图更匹配展示各国的营收对比）：

步骤1：保存分组结果 #

先把分组排序后的结果存为变量，方便后续操作：

df['Total Revenue'] = df['Quantity'] * df['UnitPrice']
# 存储分组求和并排序后的结果
country_revenue = df.groupby('Country')['Total Revenue'].sum().sort_values(ascending=False)

步骤2：用Matplotlib绘制基础条形图 #

Matplotlib是最常用的绘图库，代码直接易懂：

import matplotlib.pyplot as plt

# 设置画布尺寸，避免国家名称重叠
plt.figure(figsize=(12, 6))
# 绘制条形图
country_revenue.plot(kind='bar')
# 添加图表元素
plt.title('各国总营收对比')
plt.xlabel('国家')
plt.ylabel('总营收')
# 旋转x轴标签，提升可读性
plt.xticks(rotation=45)
# 显示图形
plt.show()

步骤3：用Seaborn绘制更美观的图形 #

如果想要更精致的样式，可以用Seaborn（需要先把Series转为DataFrame）：

import seaborn as sns
import matplotlib.pyplot as plt

# 将Series转换为DataFrame，适配Seaborn的输入格式
revenue_df = country_revenue.reset_index(name='Total Revenue')

plt.figure(figsize=(12, 6))
sns.barplot(data=revenue_df, x='Country', y='Total Revenue', palette='viridis')
plt.title('各国总营收对比')
plt.xlabel('国家')
plt.ylabel('总营收')
plt.xticks(rotation=45)
plt.show()

步骤4：优化极端值问题 #

从你的数据可以看到，英国的营收远高于其他国家，会导致其他国家的条形被压缩得几乎看不清。可以通过两种方式优化：

方式一：使用对数坐标轴 #

plt.figure(figsize=(12, 6))
country_revenue.plot(kind='bar')
plt.title('各国总营收对比（对数坐标轴）')
plt.xlabel('国家')
plt.ylabel('总营收（对数刻度）')
plt.xticks(rotation=45)
# 设置y轴为对数刻度
plt.yscale('log')
plt.show()

方式二：排除极端值，聚焦其他国家 #

# 移除英国的数据，展示剩余国家
filtered_revenue = country_revenue.drop('United Kingdom')

plt.figure(figsize=(12, 6))
filtered_revenue.plot(kind='bar')
plt.title('除英国外各国总营收对比')
plt.xlabel('国家')
plt.ylabel('总营收')
plt.xticks(rotation=45)
plt.show()

内容的提问来源于stack exchange，提问作者mxid