如何基于分组value_counts结果绘制多折线图并转换为宽格式？

执行以下Python代码：

df.groupby('arrival_date_year').market_segment.value_counts()

得到如下分组计数结果：

arrival_date_year  market_segment
2015               Online TA          6165
                   Groups             6100
                   Offline TA/TO      6079
                   Direct             2314
                   Corporate          1171
                   Complementary       165
                   Undefined             2
2016               Online TA         27661
                   Offline TA/TO     12473
                   Groups             7857
                   Direct             5663
                   Corporate          2562
                   Complementary       364
                   Aviation            127
2017               Online TA         22651
                   Groups             5854
                   Offline TA/TO      5667
                   Direct             4629
                   Corporate          1562
                   Complementary       214
                   Aviation            110

提出两个问题：

1. 如何编写正确语法，绘制以年份为X轴、计数值为Y轴，代表各market_segment的多折线图？
2. 如何将数据转换为宽格式以便更直观地对比各组计数？

1. 绘制多折线图 #

先将分组计数结果转换为适合绘图的结构，再用matplotlib或seaborn实现多折线图：

方法一：使用Seaborn #

import matplotlib.pyplot as plt
import seaborn as sns

# 把多级索引的Series转为带列名的DataFrame
counts = df.groupby('arrival_date_year').market_segment.value_counts().reset_index(name='count')

# 绘制多折线图
plt.figure(figsize=(10, 6))
sns.lineplot(data=counts, x='arrival_date_year', y='count', hue='market_segment', marker='o')
plt.title('各市场细分年度计数趋势')
plt.xlabel('年份')
plt.ylabel('计数')
plt.legend(title='市场细分', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

方法二：使用Matplotlib直接绘制 #

import matplotlib.pyplot as plt

# 先转宽格式再绘图
counts_wide = df.groupby('arrival_date_year').market_segment.value_counts().unstack(fill_value=0)

counts_wide.plot(kind='line', marker='o', figsize=(10, 6))
plt.title('各市场细分年度计数趋势')
plt.xlabel('年份')
plt.ylabel('计数')
plt.legend(title='市场细分', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

2. 转换为宽格式 #

利用unstack()方法快速将多级索引的分组结果转为宽格式，便于对比：

# 转换为宽格式，缺失值用0填充
wide_format_df = df.groupby('arrival_date_year').market_segment.value_counts().unstack(fill_value=0)

# 查看转换结果
print(wide_format_df)

转换后的输出格式如下：

market_segment  Aviation  Complementary  Corporate  Direct  Groups  Offline TA/TO  Online TA  Undefined
arrival_date_year                                                                                        
2015                    0            165       1171    2314    6100           6079       6165          2
2016                  127            364       2562    5663    7857          12473      27661          0
2017                  110            214       1562    4629    5854           5667      22651          0

如果需要通过pivot实现，可先将结果转为常规DataFrame再操作：

counts_df = df.groupby('arrival_date_year').market_segment.value_counts().reset_index(name='count')
wide_format_df = counts_df.pivot(index='arrival_date_year', columns='market_segment', values='count').fillna(0)

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