Python大数据场景下Top10分类值聚合统计绘图求助

你的代码无法实现预期效果有两个核心问题：

1. 调用sort_values()后没有将排序、取TopN的结果赋值给独立变量，链式调用执行完后结果没有被保存，无法作为绘图数据源
2. 全量3000个唯一Store值直接传入绘图接口，x轴分类过多会导致刻度标签完全重叠，不具备业务可读性

核心逻辑是先完成分组聚合、筛选TopN分类值，再传入绘图接口，同时通过order参数固定柱子排序规则，和参考统计图表样式对齐。

• 聚合计算采用pandas向量化操作，6万行规模数据处理耗时低于100ms，适配大数据量EDA场景
• 绘图阶段仅传入10个分类值，从根源避免x轴拥挤问题

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

# 读取数据
df = pd.read_csv('train_feature_store.csv')

# 分组聚合Size总和，排序后取Top10门店，结果赋值保存
# 需要Top5时将head(10)改为head(5)即可
store_size_topn = df[['Size', 'Store']]\
    .groupby('Store', as_index=False)\
    .sum()\
    .sort_values(by='Size', ascending=False)\
    .head(10)

# 绘图基础配置
sns.set_style("whitegrid")
plt.figure(figsize=(12, 6))

# 绘制条形图，order参数固定x轴顺序为Size降序，避免自动按Store名称排序
ax = sns.barplot(
    data=store_size_topn,
    x='Store',
    y='Size',
    order=store_size_topn['Store'],
    palette='viridis'
)

# 图表可读性优化
plt.title('Top10门店Size总和统计', fontsize=14, pad=20)
plt.xlabel('门店ID', fontsize=12)
plt.ylabel('Size累计值', fontsize=12)
# 柱子顶部添加数值标签
for patch in ax.patches:
    val = patch.get_height()
    ax.text(
        patch.get_x() + patch.get_width()/2,
        val + store_size_topn['Size'].max()*0.01,
        f'{int(val)}',
        ha='center', fontsize=10
    )
plt.xticks(rotation=45)
sns.despine()
plt.tight_layout()
plt.show()

扩展：绘制TopN门店出现频次计数图 #

如果你需要的是统计门店记录数的countplot，不需要提前聚合，直接取频次TopN的门店列表传入order参数即可：

# 取记录数Top10的门店
topn_store_count = df['Store'].value_counts().head(10).index

plt.figure(figsize=(12,6))
ax = sns.countplot(
    data=df,
    x='Store',
    order=topn_store_count,
    palette='viridis'
)
# 标签、刻度优化逻辑和上述代码一致

内容的提问来源于stack exchange，提问作者E L