pandas agg后直方图按记录计数而非列值，需绘制并排对比图

问题描述 #

想要绘制基于年龄组的直方图，但现有代码存在两个问题：

• 每条记录被计为1，未使用PATIENT_UNIQUE_COUNT列的实际数值作为计数权重
• 无法将疫情前后（BEFORE/AFTER）的直方图并排展示

现有代码：

df5=df.groupby(["PANDEMIC","PATIENT_AGE_GRP"]).agg(
    {"PATIENT_ID": pd.Series.nunique}).rename(columns={'PATIENT_ID':'PATIENT_UNIQUE_COUNT'})
sns.histplot(x='PATIENT_AGE_GRP', data=df5, kde=True, hue='PANDEMIC')
plt.show()

处理后的数据结构：

PATIENT_UNIQUE_COUNT
PANDEMIC PATIENT_AGE_GRP                      
AFTER    15-19                              14
         20-24                              21
         25-29                              58
         30-34                              90
         35-39                             156
         40-44                             194
         45-49                             266
         50-54                             369
         55-59                             535
         60-64                             660
         65-69                             829
         70-74                             823
         75-79                             713
         80-84                             657
         85-89                             576
         90+                               595
         <1                                  1
         NA                                  5
BEFORE   15-19                              13
         20-24                              14
         25-29                              41
         30-34                              56
         35-39                             144
         40-44                             179
         45-49                             279
         50-54                             466
         55-59                             758
         60-64                             873
         65-69                             929
         70-74                             890
         75-79                             860
         80-84                             789
         85-89                             726
         90+                               757
         NA                                 11

解决方案 #

1. 先处理数据格式 #

当前df5是多级索引结构，得先把索引转成普通列，不然Seaborn没法正确读取分组信息：

df5 = df5.reset_index()

2. 实现权重计数+并排展示 #

用FacetGrid可以直接把疫情前后的数据拆分成两个并排子图，再通过weight参数指定用PATIENT_UNIQUE_COUNT的数值来计数：

import seaborn as sns
import matplotlib.pyplot as plt

# 重置索引
df5 = df5.reset_index()

# 创建分栏网格，按疫情阶段拆分
g = sns.FacetGrid(df5, col="PANDEMIC")
# 在每个子图绘制直方图，指定计数权重
g.map(sns.histplot, "PATIENT_AGE_GRP", weights="PATIENT_UNIQUE_COUNT", kde=True)

# 调整布局和标题
g.set_titles("{col_name} Pandemic")
plt.tight_layout()
plt.show()

如果觉得直方图对分类年龄组的展示不够直观，也可以用条形图替代（更适合看具体数值）：

# 重置索引后用catplot绘制并排条形图
sns.catplot(x='PATIENT_AGE_GRP', y='PATIENT_UNIQUE_COUNT', col='PANDEMIC', 
            kind='bar', data=df5, height=6, aspect=1)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键说明 #

• weights="PATIENT_UNIQUE_COUNT"：让图表不再把每一行数据算成1个，而是用该列的数值统计每个年龄组的实际人数
• col="PANDEMIC"：自动按疫情前后拆分数据，生成两个并排的子图
• 年龄组属于分类变量，用条形图替代直方图能更清晰地展示各年龄组的具体人数，可读性更强

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