如何绘制不同分组数值图表：基于Users.age的分组可视化实现

数据预处理 #

你需要先对原始的Users.age数据做分组和汇总，具体操作如下：

• 自定义年龄分组区间，可根据业务需求设置，例如设置区间为[0,18,25,35,45,60,120]，对应分组标签为['<18','18-24','25-34','35-44','45-59','60+']，用pandas的pd.cut()方法完成年龄字段的分箱操作
• 以「年份」、「年龄分组」作为分组维度，对数据集做聚合统计，每个分组的计数结果就是你需要的y轴频数

可视化实现 #

直接用seaborn的scatterplot方法即可实现不同年龄分组用不同颜色标记的需求，参考代码如下：

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

# 读取原始数据，假设你的数据已经加载为df，包含year、age两个字段
# 年龄分箱
df['age_group'] = pd.cut(df['age'], 
                         bins=[0,18,25,35,45,60,120],
                         labels=['<18','18-24','25-34','35-44','45-59','60+'])
# 统计每年各年龄分组的频数
count_df = df.groupby(['year', 'age_group'], as_index=False).size()
count_df.rename(columns={'size':'freq'}, inplace=True)
# 绘制散点图
plt.figure(figsize=(10,6))
sns.scatterplot(data=count_df, x='year', y='freq', hue='age_group', s=100)
# 补充图表信息
plt.xlabel('年份')
plt.ylabel('频数')
plt.title('各年份不同年龄组用户数量分布')
plt.legend(title='年龄分组')
plt.show()

如果你的原始数据已经直接包含年份、年龄分组、频数字段，可直接跳过预处理步骤，把对应字段传入scatterplot即可。

内容的提问来源于stack exchange，提问作者Montanafox