如何用Seaborn countplot结合分类筛选统计各TAG的NGT数量

前置依赖导入 #

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

数据读取/构造 #

将下面的示例数据构造逻辑替换为你自己的文件读取逻辑即可，比如df = pd.read_csv("你的数据集文件路径")

# 示例数据构造
df = pd.DataFrame({
    'ID': [1,2,3,4],
    'TAG': ['A', 'B', 'C', 'A'],
    'TYPE': ['GT', 'NGT', 'XT', 'NGT']
})

数据统计（无需手动筛选） #

仅统计存在NGT记录的TAG #

# 筛选NGT类型数据后按TAG分组计数
ngt_count = df[df['TYPE'] == 'NGT'].groupby('TAG', as_index=False)['ID'].count().rename(columns={'ID': 'NGT记录数'})

需展示所有TAG（无NGT记录的显示为0） #

# 全量统计每个TAG的各TYPE数量，缺失值补0
count_full = df.groupby(['TAG', 'TYPE'], as_index=False)['ID'].count()\
                .pivot(index='TAG', columns='TYPE', values='ID')\
                .fillna(0).reset_index()
ngt_count = count_full[['TAG', 'NGT']].rename(columns={'NGT': 'NGT记录数'})

绘图实现 #

方案1：seaborn 可视化 #

sns.set_style("whitegrid")
ax = sns.barplot(data=ngt_count, x='TAG', y='NGT记录数', palette='viridis')
# 柱上添加数值标签
for p in ax.patches:
    height = p.get_height()
    ax.text(p.get_x() + p.get_width()/2, height, f'{int(height)}', ha='center', va='bottom')
plt.title('各TAG对应NGT类型记录数')
plt.tight_layout()
plt.show()

方案2：matplotlib 原生可视化 #

plt.figure(figsize=(6, 4))
plt.bar(ngt_count['TAG'], ngt_count['NGT记录数'], color='#2ecc71', alpha=0.7)
# 柱上添加数值标签
for tag, cnt in zip(ngt_count['TAG'], ngt_count['NGT记录数']):
    plt.text(tag, cnt, str(int(cnt)), ha='center', va='bottom')
plt.xlabel('TAG')
plt.ylabel('NGT记录数')
plt.title('各TAG对应NGT类型记录数')
plt.grid(axis='y', linestyle='--', alpha=0.6)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者sinha-shaurya