Python DataFrame分组条形图制作求助：按sex与age分别可视化

你要基于以下结构的DataFrame制作分组条形图，同时按sex和age维度展示target的分布，但用df.groupby('sex')[target].value_counts().plot.bar(legend=True)代码没得到预期效果：

问题分析 #

你之前的代码只按sex分组统计target，完全没结合age维度，肯定出不来同时展示两个维度的分组条形图。要实现预期效果，得先把数据处理成age、sex、target三者的交叉统计形式，再绘图。

解决方案 #

先把DataFrame实例化（方便你直接测试）：

import pandas as pd

data = {
    'age': [25, 33, 20, 37, 40],
    'sex': ['m', 'f', 'm', 'f', 'f'],
    'target': [0, 0, 1, 1, 1]
}
df = pd.DataFrame(data)

方案1：按年龄+性别展示Target总计数

用pd.crosstab构建交叉表，直接生成分组条形图：

import matplotlib.pyplot as plt

# 构建交叉表：行是年龄，列是性别，值为对应组的Target计数
cross_tab = pd.crosstab(index=df['age'], columns=df['sex'], values=df['target'], aggfunc='count').fillna(0)
# 绘制分组条形图
cross_tab.plot(kind='bar', figsize=(8, 5))
plt.title('Target分布（按年龄、性别分组）')
plt.xlabel('年龄')
plt.ylabel('Target计数')
plt.legend(title='性别')
plt.tight_layout()
plt.show()

方案2：按年龄+性别拆分展示Target具体值

如果要每个年龄-性别组下，分别展示target=0和target=1的数量，用下面的代码：

# 构建交叉表：行是年龄，列是（性别，Target值），值为对应组的数量
cross_tab_target = pd.crosstab(index=df['age'], columns=[df['sex'], df['target']], aggfunc='count').fillna(0)
# 绘制分组条形图
cross_tab_target.plot(kind='bar', figsize=(10, 6))
plt.title('Target值分布（按年龄、性别分组）')
plt.xlabel('年龄')
plt.ylabel('数量')
plt.legend(title='性别-Target')
plt.tight_layout()
plt.show()

根据你预期的图表样式，选对应的方案即可。

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