在R中可视化二元变量top10与分类变量label的关系及概率实现

步骤1：计算各分类下top10=1的概率 #

先通过groupby计算每个label类别中top10取1的比例（二元变量的均值即为1的占比，也就是你要的概率）：

import pandas as pd

# 假设你的DataFrame名为df
prob_df = df.groupby('label')['top10'].mean().reset_index()
prob_df.columns = ['label', 'top10_prob']  # 重命名列，方便后续绘图

步骤2：可视化展示 #

方法1：Matplotlib 柱状图 #

这是最直观的对比方式，能清晰呈现不同分类的概率差异：

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6))
plt.bar(prob_df['label'], prob_df['top10_prob'], color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728'])
plt.title('各唱片公司作品进入前十的概率')
plt.xlabel('唱片公司类别')
plt.ylabel('进入前十的概率')
plt.ylim(0, 1)  # 限定y轴在概率的0-1区间内
plt.xticks(rotation=45)  # 旋转x轴标签，避免文字重叠
plt.show()

方法2：Seaborn 柱状图（带置信区间） #

如果需要体现概率的统计波动，用seaborn的barplot可以直接展示置信区间（默认95%置信区间，也可改为标准差）：

import seaborn as sns

plt.figure(figsize=(10, 6))
sns.barplot(data=df, x='label', y='top10', ci='sd')  # ci='sd'展示标准差，保留默认则为95%置信区间
plt.title('各唱片公司作品进入前十的概率（带置信区间）')
plt.xlabel('唱片公司类别')
plt.ylabel('进入前十的概率')
plt.ylim(0, 1)
plt.xticks(rotation=45)
plt.show()

补充优化 #

• 若想把y轴改为百分比显示，可添加代码：plt.gca().yaxis.set_major_formatter(plt.FuncFormatter(lambda x, _: f'{x*100:.0f}%'))
• 如果你已有导入绘图库的代码，可直接复用，无需重复导入

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