Python中如何统计各年龄对应唯一ID数并绘制带性别区分的图表？

数据集 #

需求 #

统计每个年龄对应的唯一ID数量，并用hue参数按性别区分绘图，无需显示ID编号，仅展示各年龄对应不同ID的出现情况。

此前尝试的代码 #

for an_id in df.ID.unique():
    if (len(df[df['ID'] == an_id]['AGE'].unique()))==1:
        print(an_id, df[df['ID'] == an_id]['AGE'].unique()[0])
    else:
        print(an_id,df[df['ID']==an_id]['AGE'].unique())

问题在于部分ID对应多个年龄，使用unique()会得到年龄列表，无法直接用于统计绘图。

解决方案 #

1. 数据去重 #

先对ID、AGE、SEX的组合去重，确保每个ID在对应年龄和性别下仅保留一条记录，避免重复计数：

unique_df = df.drop_duplicates(subset=['ID', 'AGE', 'SEX'])

2. 分组统计唯一ID数量 #

按AGE和SEX分组，统计每组的唯一ID数量：

count_df = unique_df.groupby(['AGE', 'SEX'])['ID'].nunique().reset_index(name='Unique ID Count')

3. 绘图展示 #

使用seaborn绘制柱状图，通过hue参数按性别区分：

import seaborn as sns
import matplotlib.pyplot as plt

sns.barplot(data=count_df, x='AGE', y='Unique ID Count', hue='SEX')
plt.title('Unique ID Count by Age and Sex')
plt.xlabel('Age')
plt.ylabel('Number of Unique IDs')
plt.show()

效果说明 #

• 去重步骤解决了同一ID对应多年龄/性别的重复计数问题
• 分组统计后得到的count_df直接满足绘图所需的结构
• 绘图时hue=SEX自动将不同性别的数据用不同颜色区分，清晰展示各年龄下不同性别对应的唯一ID数量分布

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