Python筛选DataFrame：保留特定死因关联数据以用于可视化

1. 先明确数据结构 #

假设你的DataFrame是宽表格式，每一组年份对应两列：死因名称列和对应占比列，示例结构如下：

2. 提取特定死因的年度占比 #

方法一：手动匹配（适合年份少的场景） #

假设你要提取心血管疾病的年度数据，直接针对每一年的列做筛选：

import pandas as pd

# 假设你的原始数据存储在df变量中
target_cause = "心血管疾病"
yearly_data = {}

# 提取2016年数据
mask_2016 = df["Causas 2 de año 2016"] == target_cause
yearly_data[2016] = df.loc[mask_2016, "% 1"].values[0]

# 提取2017年数据
mask_2017 = df["Causas 2 de año 2017"] == target_cause
yearly_data[2017] = df.loc[mask_2017, "% 2"].values[0]

# 提取2018年数据（按此逻辑补充更多年份）
mask_2018 = df["Causas 2 de año 2018"] == target_cause
yearly_data[2018] = df.loc[mask_2018, "% 3"].values[0]

# 转成适合绘图的长表格式
result_df = pd.DataFrame(list(yearly_data.items()), columns=["年份", "占比"])
# 把带%的字符串转成数值型
result_df["占比"] = result_df["占比"].str.replace("%", "").astype(float)

方法二：批量自动处理（适合年份多的场景） #

如果年份较多，手动写代码效率低，可以通过列名规律自动配对死因列和占比列：

import pandas as pd

target_cause = "心血管疾病"
yearly_data = []

# 筛选所有死因列
cause_cols = [col for col in df.columns if "Causas 2 de año" in col]

for cause_col in cause_cols:
    # 从列名提取年份
    year = int(cause_col.split(" ")[-1])
    # 获取对应占比列（假设占比列是死因列的下一列，可根据实际结构调整）
    col_idx = df.columns.get_loc(cause_col)
    percent_col = df.columns[col_idx + 1]
    
    # 筛选目标死因的占比
    mask = df[cause_col] == target_cause
    percent_value = df.loc[mask, percent_col].values[0]
    
    yearly_data.append({"年份": year, "占比": percent_value})

# 转成DataFrame并处理数值
result_df = pd.DataFrame(yearly_data)
result_df["占比"] = result_df["占比"].str.replace("%", "").astype(float)

3. 绘图示例 #

用Matplotlib绘制占比变化折线图：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
plt.plot(result_df["年份"], result_df["占比"], marker='o', linestyle='-', color='#1f77b4')
plt.title(f"{target_cause} 年度占比变化")
plt.xlabel("年份")
plt.ylabel("占比 (%)")
plt.grid(alpha=0.3)
plt.show()

常见问题排查 #

• 如果.loc筛选无结果，先检查布尔掩码：打印df["Causas 2 de año 2016"] == target_cause，确认是否有True值，可能是字符串大小写、空格或拼写不一致导致匹配失败。
• 若提取values[0]报错，说明未找到对应死因，核对目标死因的拼写是否和DataFrame中的完全一致。

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