聚类饼图分组值：房屋建造年份数据的饼图可视化优化咨询

原数据按单个年份分组后有143个类别，导致饼图杂乱，下面提供两种按15年区间分组的可行方案：

方案一：用pd.cut()自动划分连续区间（推荐） #

利用pandas的区间划分工具快速生成15年分组，代码简洁且易维护：

import pandas as pd
import matplotlib.pyplot as plt

# 原分组数据：testing = df1.groupby("Year Built").size()
# 将年份索引转为数值型
years = testing.index.astype(int)
# 设置15年区间的边界（从1870到2020，覆盖1873-2018）
bins = range(1870, 2021, 15)
# 自定义区间标签（比如把[1870,1885)显示为"1870-1884"）
labels = [f"{start}-{start+14}" for start in bins[:-1]]
# 划分年份到对应区间
year_groups = pd.cut(years, bins=bins, right=False, labels=labels)
# 按区间重新统计数量
grouped_data = testing.groupby(year_groups).sum()

# 绘制优化后的饼图
grouped_data.plot.pie(autopct="%.2f%%", figsize=(10,10))
plt.ylabel(None)
plt.title("房屋建造年份分布（15年区间分组）")
plt.show()

关键说明 #

• right=False设置区间为左闭右开，确保每个15年区间刚好包含15个年份（如1870-1884对应[1870,1885)）
• 自动生成的标签清晰直观，无需手动逐个定义区间

方案二：手动定义分组规则（适合特殊区间需求） #

如果需要调整部分区间范围，可以手动创建分组映射：

import pandas as pd
import matplotlib.pyplot as plt

# 自定义15年区间分组规则
group_map = {
    "1870-1884": range(1870, 1885),
    "1885-1899": range(1885, 1900),
    "1900-1914": range(1900, 1915),
    "1915-1929": range(1915, 1930),
    "1930-1944": range(1930, 1945),
    "1945-1959": range(1945, 1960),
    "1960-1974": range(1960, 1975),
    "1975-1989": range(1975, 1990),
    "1990-2004": range(1990, 2005),
    "2005-2019": range(2005, 2020)
}

# 匹配年份到对应分组
def get_group(year):
    year_int = int(year)
    for group_name, year_range in group_map.items():
        if year_int in year_range:
            return group_name
    return "其他"

# 按分组统计数量
grouped_data = testing.groupby(lambda x: get_group(x)).sum()

# 绘制饼图
grouped_data.plot.pie(autopct="%.2f%%", figsize=(10,10))
plt.ylabel(None)
plt.show()

内容的提问来源于stack exchange，提问作者umba