如何处理pandas字符串型价格列并绘制分组折线图展示所有价格？

第一步：清洗价格列，转换为数值类型 #

首先处理带$符号的字符串格式价格，去掉符号后转为浮点型：

import pandas as pd
import matplotlib.pyplot as plt

# 示例数据
df = pd.DataFrame({'id':['A', 'B', 'C', 'D'], 'price':['$106.00', '$156.00', '$166.00', '$106.00']})

# 清洗价格列：去掉$符号后转数值
df['price'] = df['price'].str.replace('$', '', regex=False).astype(float)

第二步：价格分组处理 #

有两种常用分组方式适配不同的分析需求：

• 按实际价格值分组，统计每个价格的出现频次，适合价格取值较少的场景：

# 按价格分组计数后按价格排序
grouped_df = df.groupby('price')['id'].count().sort_index().reset_index(name='count')

• 按自定义区间分箱分组，适合价格取值较多、需要看整体集中区间的场景：

# 按20元为间隔划分区间，可根据实际数据调整区间范围
df['price_bin'] = pd.cut(df['price'], bins=[100,120,140,160,180], labels=['100-120','120-140','140-160','160-180'])
# 按分箱分组，同时统计每个区间的样本量、平均价格
grouped_df = df.groupby('price_bin', observed=True)['price'].agg(['count','mean']).reset_index()

第三步：绘制符合需求的折线图 #

如果需要同时展示价格分布区间、标注整体平均价格，参考如下代码：

# x轴为价格分组区间，y轴为对应区间的样本数量
ax = grouped_df.plot.line(x='price_bin', y='count', marker='o', figsize=(8,5), title='价格分布折线图')
# 添加平均价格参考线
avg_price = df['price'].mean()
ax.axhline(y=avg_price, color='r', linestyle='--', label=f'平均价格: {avg_price:.2f}元')
# 调整坐标轴标签和图例
ax.set_xlabel('价格区间')
ax.set_ylabel('出现频次')
ax.legend()
plt.show()

如果需要y轴为价格、x轴为分组，直接展示各分组的平均价格折线，参考如下代码：

ax = grouped_df.plot.line(x='price_bin', y='mean', marker='s', color='green', figsize=(8,5))
ax.set_xlabel('价格区间')
ax.set_ylabel('平均价格(元)')
plt.show()

内容的提问来源于stack exchange，提问作者Pyyyyt