如何在pandas柱状图中实现类似直方图的分箱调整

我明白你的困扰——原来按每年统计的柱状图太密集，可读性差，而直接给bar图加bins参数会报错，因为bar绘图方法根本没有这个参数（bins是直方图hist专属的）。咱们需要换个思路：先对任期数据按6年间隔分组统计，再用统计结果绘制柱状图。

解决方案代码 #

先修改你的统计逻辑，把单一年份的统计改成6年区间的分组统计：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def tenure_count(frame, party, bin_size=6):
    # 筛选当前党派的任期数据
    party_tenures = frame[frame.party == party]['tenure']
    # 生成覆盖所有任期的区间边界（从0开始，步长为bin_size）
    max_tenure = frame['tenure'].max()
    bins = range(0, max_tenure + bin_size, bin_size)
    # 对任期进行分组，并统计每组的数量，按区间排序
    interval_counts = pd.cut(party_tenures, bins=bins, right=False).value_counts().sort_index()
    # 确保所有区间都被包含（即使某个区间没有数据也要填充0）
    all_intervals = pd.IntervalIndex.from_tuples([(left, left+bin_size) for left in bins[:-1]])
    interval_counts = interval_counts.reindex(all_intervals, fill_value=0)
    # 把区间索引改成更友好的文本标签（比如"0-6 years"）
    interval_counts.index = interval_counts.index.map(lambda x: f"{x.left}-{x.right} years")
    return interval_counts

# 加载并预处理数据
df = pd.read_csv("congress_tenure.csv", header=0)
df = df[['tenure', 'party']].sort_values('tenure')
parties = ['Democrat', 'Republican', 'Democratic-Republican', 'Whig', 'Federalist']

# 生成各党派的6年区间统计结果
counts = pd.DataFrame({party: tenure_count(df, party) for party in parties})

# 绘制柱状图
counts.plot(kind='bar', figsize=(12, 6))
plt.title('Senator Tenure Frequency by Party (6-Year Intervals)')
plt.xlabel('Tenure Interval')
plt.ylabel('Number of Senators')
plt.legend(title='Political Party')
plt.tight_layout()  # 自动调整布局避免标签被截断
plt.show()

关键改动说明 #

1. 分组统计逻辑：用pd.cut把任期划分成[0,6)、[6,12)...这样的6年区间，然后统计每个区间内的参议员数量，替代原来按单一年份的value_counts。
2. 补全空区间：用reindex确保所有6年区间都出现在结果中，避免因为某个区间没有数据而缺失柱子。
3. 友好索引标签：把区间对象转换成易读的文本标签，让图表的横轴更直观。
4. 移除错误的bins参数：因为bar图是基于已经统计好的离散值绘图，不需要bins——bins是直方图用来自动划分连续数据的参数，和柱状图逻辑不同。

这样生成的柱状图每个柱子代表6年的任期区间，数量大幅减少，可读性会提升很多，同时也能清晰展示不同党派的任期分布差异。

内容的提问来源于stack exchange，提问作者embradley