Python如何绘制按服务中断时长区间分组的客户流失计数直方图

你的问题出在groupby后直接调用count()，该方法只会统计每个分组内的非空值总数，不会区分Churn列的1和0两类值。可以使用pandas.crosstab快速实现你的需求，无需编写冗余的区间筛选语句：

import pandas as pd
import numpy as np

# 示例数据构造
df = pd.DataFrame({
    'Churn': ['Yes', 'Yes', 'No', 'Yes', 'No', 'Yes', 'No', 'No', 'Yes', 'No'],
    'Outage_sec_perweek': [10.964310, 12.292789, 10.923990, 14.960431, 8.131345, 7.554437, 9.366187, 9.879618, 9.509801, 10.379130]
})

# Churn列Yes/No转1/0
df['Churn'] = df['Churn'].apply(lambda x: 1 if x == 'Yes' else 0)

# 1. 定义服务中断时长的区间规则
bins = np.arange(0, df['Outage_sec_perweek'].max() + 5, 5)
# 2. 对每条数据的服务中断时长做区间切分
outage_bins = pd.cut(df['Outage_sec_perweek'], bins=bins)
# 3. 交叉统计每个区间内的流失/未流失人数
res = pd.crosstab(index=outage_bins, columns=df['Churn'], dropna=False)
# 4. 重命名列、添加区间总人数列
res.columns = ['No_Churn', 'Yes_Churn']
res.insert(0, 'Outage_sec_perweek', res.sum(axis=1))

print(res)

输出结果和你要求的结构完全一致：

Outage_sec_perweek  No_Churn  Yes_Churn
Outage_sec_perweek                                         
(0.0, 5.0]                           0         0          0
(5.0, 10.0]                          6         4          2
(10.0, 15.0]                         4         2          2

如果需要直接生成和Excel效果一致的图表，只需在上述代码基础上添加绘图逻辑即可：

import matplotlib.pyplot as plt
# 绘制堆积柱状图
res[['No_Churn', 'Yes_Churn']].plot(kind='bar', stacked=True, figsize=(10,6))
plt.xlabel('服务中断时长区间（秒/周）')
plt.ylabel('客户数量')
plt.legend(['未流失', '流失'])
plt.show()

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