pandas如何通过groupby简化分组分布统计并绘制并列柱状图

需要实现各region分组下label列的数值分布统计与绘图，原有方案通过生成哑变量、逐组创建透视表、循环拼接新DataFrame实现，流程繁琐，需要更简洁的统计实现逻辑（如基于groupby的高级用法），同时需要明确并列柱状图的调整方法。

可运行以下代码复现测试用DataFrame：

import pandas as pd
import numpy as np

np.random.seed(1)
a = np.random.choice(['region_A', 'region_B', 'region_C', 'region_D', 'region_E'], size=30, p= 
[0.1, 0.2, 0.3, 0.30, 0.1])
b = np.random.choice(['1', '0'], size=30, p=[0.5, 0.5])
df = pd.DataFrame({'region': a, 'label': b})

原有实现代码如下，存在冗余的哑变量生成、循环拼接逻辑：

dummy = pd.get_dummies(df['region'])
region_lst = []
label_0 = []
label_1 = []
for col in dummy.columns:
    region_lst.append(col)
    label_0.append(pd.crosstab(dummy[col], df['label']).iloc[1,0])
    label_1.append(pd.crosstab(dummy[col], df['label']).iloc[1,1])

df_labels = pd.DataFrame({'label_0': label_0, 'label_1': label_1}, index=region_lst)
df_labels.plot.bar()

统计逻辑简化 #

不需要生成哑变量、写循环拼接，以下两种一行写法都可以直接得到和原有逻辑完全一致的统计结果：

• 方法1：直接用pd.crosstab做分组列联统计，是最适配这个场景的写法

  df_labels = pd.crosstab(index=df['region'], columns=df['label'])
  # 可选：重命名列和原有代码保持一致
  df_labels.columns = [f'label_{c}' for c in df_labels.columns]
  

• 方法2：用groupby配合unstack实现，符合用groupby简化逻辑的需求

  df_labels = df.groupby(['region', 'label']).size().unstack(fill_value=0)
  df_labels.columns = [f'label_{c}' for c in df_labels.columns]
  

柱状图类型调整 #

pandas 自带的plot.bar()方法默认参数stacked=False，直接调用就是并列柱状图效果，不需要额外传参：

# 绘制并列柱状图，rot=0是让x轴标签水平显示，可按需调整
df_labels.plot.bar(rot=0)

如果需要切换为堆叠柱状图，只需要传入stacked=True参数即可：

# 堆叠柱状图写法
df_labels.plot.bar(stacked=True, rot=0)

内容的提问来源于stack exchange，提问作者user10969675