如何用Python对字符串类型数据做分组统计并可视化？

1. 正确统计每个type的分组数量 #

你之前用df.groupby(['type', 'url']).sum()是错误的——按type和url双重分组后，sum()对字符串类型数据无效，才会出现乱码输出。要统计每个type的数量，用以下两种简单方法即可：

方法一：直接用value_counts() #

type_counts = df['type'].value_counts()
print(type_counts)

这个方法直接返回每个type的出现次数，结果是索引为type取值、值为整数计数的Series，完全符合可视化要求。

方法二：groupby搭配size() #

type_counts = df.groupby('type').size()
print(type_counts)

size()会统计每个分组的行数（也就是该type的数量），同样返回整数类型的统计结果。

2. 可视化统计结果 #

拿到整数计数后，直接用matplotlib或pandas自带的绘图功能就能完成可视化，这里给出两种常用方案：

柱状图（Matplotlib） #

import matplotlib.pyplot as plt

# 可选：设置中文显示，避免乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 绘制柱状图
type_counts.plot(kind='bar')
plt.title('各类型URL数量统计')
plt.xlabel('URL类型')
plt.ylabel('数量')
plt.xticks(rotation=45)  # 旋转x轴标签，防止重叠
plt.show()

饼图（Pandas自带绘图） #

type_counts.plot(kind='pie', autopct='%1.1f%%')
plt.title('各类型URL占比')
plt.ylabel('')  # 去掉饼图默认的y轴标签，让布局更美观
plt.show()

补充说明 #

• 你之前试的len()、.sum()、.count()里，.count()其实可以用在groupby后，但df.groupby('type').count()是统计分组内非空值数量（无缺失值时和size()结果一致），但size()更直接适配你的需求。
• .sum()不适合字符串类型数据，它的作用是拼接字符串，不是统计数量，这也是你之前出错的原因之一。

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