如何使用Python可视化具有层级结构的Pandas DataFrame

问题原因 #

你通过groupby搭配多聚合函数生成的res是带多层列索引的DataFrame，列分为两层：第一层为科目（math/reading/writing），第二层为统计量（mean/var），绘图库无法直接识别这种层级结构，需要先对数据做结构转换。

步骤1：转换数据结构 #

推荐转为长表格式，和你需要的分组对比类图表适配性更高：

# 先重置索引，把分组键lunch从索引转为普通列，再用melt将宽表转为长表
res_long = res.reset_index().melt(
    id_vars="lunch",
    var_name=["subject", "stat"],
    value_name="score"
)
# 过滤出均值统计结果（示例图展示的是不同分组的均值对比）
res_mean = res_long[res_long["stat"] == "mean"]

步骤2：绘制目标图表 #

以seaborn为例，绘制对应样式的分组柱状图：

import seaborn as sns
import matplotlib.pyplot as plt

sns.barplot(data=res_mean, x="subject", y="score", hue="lunch")
plt.xlabel("科目")
plt.ylabel("平均分数")
plt.title("不同午餐类型学生的各科平均分数对比")
plt.show()

可选快速方案：拍平列索引 #

如果不需要复杂的绘图逻辑，也可以直接将多层列索引合并为单层：

# 合并两层列名为单个字符串，格式为「科目_统计量」
res.columns = [f"{col[0]}_{col[1]}" for col in res.columns]
# 直接调用plot方法绘图
res.plot(kind="bar", y=["math_mean", "reading_mean", "writing_mean"])
plt.show()

内容的提问来源于stack exchange，提问作者AlexZaray