如何正确绘制2016年五大热门项目奖牌得主Age特征直方图？

你的代码存在两个核心问题，导致输出和预期不符：

• 你通过groupby(['Age','Sport'])['Medal'].count()得到的是各年龄-项目组合的奖牌数量，调用hist()时绘制的是「奖牌数的分布」，而非你需要的「Age特征的分布」。
• 代码未筛选“五大热门项目”，包含了2016年所有项目的奖牌数据，不符合需求范围。

修正后的代码 #

# 筛选2016年的奖牌得主数据（仅保留有奖牌的记录）
df_2016 = df[(df['Year'] == 2016) & (df['Medal'].notna())]

# 找出2016年奖牌数量最多的5个热门项目
top5_sports = df_2016['Sport'].value_counts().nlargest(5).index

# 筛选五大热门项目的奖牌得主数据
df_top5_medalists = df_2016[df_2016['Sport'].isin(top5_sports)]

# 绘制Age特征的直方图（bins可根据需求调整）
df_top5_medalists['Age'].hist(bins=15)

代码说明 #

1. 先锁定2016年的奖牌得主数据，排除未获奖的选手，保证数据精准性；
2. 通过value_counts().nlargest(5)快速定位奖牌数最多的5个项目；
3. 最后直接对筛选后的Age列调用hist()，绘制的就是五大热门项目所有奖牌得主的年龄分布，与预期输出一致。

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