如何用Pandas绘制指定列饼图？含缺失值的两种场景实现

我有一个包含多列的DataFrame df，其中df["house_electricity"]列包含1、0、空值/NA三种取值。需要绘制两种饼图：

• 第一种仅展示1和0的占比；
• 第二种展示1、0及空值/NA的全部占比。

尝试了如下代码但未得到预期结果，附示例数据及尝试代码：

示例数据 #

尝试的代码 #

# 我写了以下代码但未得到预期结果
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("my_file.csv")

df_col = df.columns

df["house_electricity"].plot(kind="pie")

你之前的代码问题在于直接对整列画饼图，pandas会把每一行的数值当成独立切片，而非统计不同取值的占比。需要先预处理数据、统计频次，再绘制饼图：

1. 正确读取并预处理数据 #

首先要把CSV里的文本型na和空字符串统一转为pandas可识别的NaN，否则空值统计会出错：

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV，将"na"和空字符串转为NaN
df = pd.read_csv("my_file.csv", na_values=["na", ""])

2. 绘制仅包含1和0的饼图 #

先过滤空值，再统计1和0的出现频次：

# 过滤空值，只保留1和0的数据
filtered_data = df["house_electricity"].dropna()
# 统计1和0的频次
counts_0_1 = filtered_data.value_counts()

# 绘制饼图
plt.figure(figsize=(6,6))
counts_0_1.plot(kind="pie", autopct="%.1f%%", labels=["1", "0"], title="仅1和0的占比")
plt.ylabel("")  # 去掉默认y轴标签，让图表更简洁
plt.show()

3. 绘制包含1、0及空值的饼图 #

用value_counts(dropna=False)可以把空值纳入统计：

# 统计所有取值（包含空值）的频次
counts_all = df["house_electricity"].value_counts(dropna=False)
# 给空值重命名为更清晰的标签
counts_all = counts_all.rename({pd.NA: "空值/NA"})

# 绘制饼图
plt.figure(figsize=(6,6))
counts_all.plot(kind="pie", autopct="%.1f%%", title="1、0及空值的全部占比")
plt.ylabel("")
plt.show()

内容的提问来源于stack exchange，提问作者Sur