如何在Pandas中筛选Top N城市及投诉类型并绘制Seaborn柱状图

数据处理步骤 #

要实现需求，需分阶段完成数据筛选与排序：

1. 计算每个城市的总投诉量，筛选出Top N投诉总量最高的城市
2. 仅保留这些Top N城市的数据，再计算每个城市内各投诉类型的数量/数值总和
3. 对每个城市内的投诉类型按数值降序排序，保留Top M种主要类型
4. 给城市按总投诉量降序排序，确保绘图时城市顺序符合要求

完整代码实现 #

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 自定义参数：可根据需求修改
TOP_N_CITIES = 5  # 取投诉总量Top5的城市
TOP_M_COMPLAINTS = 3  # 每个城市保留Top3投诉类型

# 1. 计算每个城市的总投诉量，筛选Top N城市
# 若你的Value列是投诉数值（如次数/严重程度），将size()替换为sum('Value')
city_total = df.groupby('City').size().reset_index(name='total_complaints')
top_n_cities = city_total.sort_values('total_complaints', ascending=False).head(TOP_N_CITIES)['City'].tolist()

# 2. 过滤原数据，仅保留Top N城市
filtered_df = df[df['City'].isin(top_n_cities)]

# 3. 计算每个城市各投诉类型的数量/数值总和
complaint_stats = filtered_df.groupby(['City', 'Complaint Type']).size().reset_index(name='count')
# 若用Value列总和：complaint_stats = filtered_df.groupby(['City', 'Complaint Type'])['Value'].sum().reset_index(name='total_value')

# 4. 筛选每个城市的Top M投诉类型，并按总投诉量排序城市
top_m_data = complaint_stats.sort_values(['City', 'count'], ascending=[True, False])\
                            .groupby('City').head(TOP_M_COMPLAINTS)
# 合并总投诉量数据，用于后续排序
top_m_data = top_m_data.merge(city_total, on='City')
# 按城市总投诉量降序、组内投诉量降序排序
top_m_data = top_m_data.sort_values(['total_complaints', 'count'], ascending=[False, False])
# 将City设为分类类型，锁定绘图顺序（避免自动排序）
top_m_data['City'] = pd.Categorical(top_m_data['City'], categories=top_n_cities, ordered=True)

# 5. 绘制Seaborn柱状图
plt.figure(figsize=(12, 6))
# 若用total_value替换count：y='total_value'
sns.barplot(data=top_m_data, x='City', y='count', hue='Complaint Type', order=top_n_cities)
plt.title(f'Top {TOP_N_CITIES} Cities by Total Complaints (Top {TOP_M_COMPLAINTS} Complaint Types)')
plt.xlabel('City')
plt.ylabel('Number of Complaints')
# 将图例移到图外，避免遮挡
plt.legend(title='Complaint Type', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

关键说明 #

• 若你的Value列是投诉的数值（而非每条记录对应一个投诉），只需把代码中所有的size()替换为sum('Value')，并将count字段改为total_value即可适配。
• 通过将City设为有序分类类型，确保绘图时城市始终按总投诉量降序排列，不会丢失分组排序状态。
• 原代码的问题在于未先筛选Top N城市，也未基于城市总投诉量做全局排序，导致最终数据顺序不符合需求。

内容的提问来源于stack exchange，提问作者Vipin