基于DataFrame分组求和生成数据表及可视化图表的技术问询

我们有一个名为data_frame的大型DataFrame，包含PRE、STATUS、CHR三列，数据示例如下：

PRE         STATUS   CHR
1_752566    GAINED   1
1_776546    LOST     1
1_832918    NA       1
1_842013    LOST     1
1_846864    GAINED   1
11_8122943  NA       11
11_8188699  GAINED   11
11_8321128  NA       11
23_95137734 NA       23
23_95146814 GAINED   23

1. 按CHR分组统计总行数（生成TOTAL数据表） #

使用pandas按CHR分组后统计每组行数，结果保存为TOTAL：

import pandas as pd

# 分组统计行数并重置索引，命名统计列为TOTAL_COUNT
TOTAL = data_frame.groupby('CHR').size().reset_index(name='TOTAL_COUNT')

输出示例：

CHR  TOTAL_COUNT
0    1            5
1   11            3
2   23            2

2. 按CHR分组统计GAINED/LOST行数（生成BY_STATUS数据表） #

过滤掉STATUS为NA的记录后，按CHR和STATUS分组统计，再转换为宽表格式：

# 仅保留STATUS为GAINED或LOST的记录，分组统计后转宽表
BY_STATUS = data_frame[data_frame['STATUS'].isin(['GAINED', 'LOST'])] \
            .groupby(['CHR', 'STATUS']).size() \
            .unstack(fill_value=0) \
            .reset_index()

# 确保GAINED和LOST列都存在（避免部分分组无对应状态的情况）
for col in ['GAINED', 'LOST']:
    if col not in BY_STATUS.columns:
        BY_STATUS[col] = 0

输出示例：

CHR  GAINED  LOST
0    1       2     2
1   11       1     0
2   23       1     0

3. 生成可视化图表 #

使用matplotlib实现两个统计图表：

3.1 基于TOTAL的总数统计柱状图 #

import matplotlib.pyplot as plt

plt.figure(figsize=(8, 5))
# 绘制柱状图，CHR转为字符串避免数值排序问题
plt.bar(TOTAL['CHR'].astype(str), TOTAL['TOTAL_COUNT'], color='#1f77b4')
plt.title('各CHR分组总行数统计')
plt.xlabel('CHR编号')
plt.ylabel('总行数')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

3.2 基于BY_STATUS的并列对比柱状图 #

plt.figure(figsize=(8, 5))
bar_width = 0.35
x = range(len(BY_STATUS))

# 绘制并列柱状图
plt.bar([i - bar_width/2 for i in x], BY_STATUS['GAINED'], width=bar_width, label='GAINED', color='#2ca02c')
plt.bar([i + bar_width/2 for i in x], BY_STATUS['LOST'], width=bar_width, label='LOST', color='#ff7f0e')

plt.title('各CHR分组GAINED与LOST数量对比')
plt.xlabel('CHR编号')
plt.ylabel('数量')
plt.xticks(x, BY_STATUS['CHR'].astype(str))
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

内容的提问来源于stack exchange，提问作者user11924976