如何正确绘制不同列含字符串和数值的分组pandas序列并解决报错

报错原因 #

你调用data.groupby(ct, to_numeric)时参数传递错误：groupby的第二个位置参数是axis，你传入了to_numeric这个可变的DataFrame对象，DataFrame无法被哈希，因此触发该报错。

实现需求的两种方案 #

你需要实现按col2（对应数据中的riskiaobis done列）分组，统计col1（对应数据中的datvla列）各取值的数量，以下是两种可直接运行的实现：

方案1：双列分组统计（无需独热编码，更简洁） #

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据
data = pd.read_csv(r"C:\Users\givi.jalaghania\.spyder-py3\07_maragebi.csv")

# 分组统计：按col2和col1分组，计算样本量，重排索引方便绘图
stat_res = data.groupby(['riskiaobis done', 'datvla']).size().unstack(fill_value=0)

# 绘制柱状图
stat_res.plot(kind='bar', figsize=(10,6))
plt.xlabel('分类特征（col2）')
plt.ylabel('样本数量')
plt.title('各分类下col1取值分布')
plt.show()

# 按需查询特定分类下col1=1、2的总样本数，例如查询maRali特征
print(stat_res.loc['maRali', [1,2]].sum())

方案2：适配独热编码思路的实现 #

如果你需要保留独热编码的处理逻辑，需先将独热编码结果合并到原数据集后再分组：

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据
data = pd.read_csv(r"C:\Users\givi.jalaghania\.spyder-py3\07_maragebi.csv")

# 生成独热编码并合并到原数据集
dummies = pd.get_dummies(data['riskiaobis done'], prefix='col2')
data = pd.concat([data, dummies], axis=1)

# 按col1分组，统计各分类特征的样本量
stat_res = data.groupby('datvla')[dummies.columns].sum()

# 绘制柱状图
stat_res.plot(kind='bar', figsize=(10,6))
plt.xlabel('col1取值')
plt.ylabel('样本数量')
plt.title('各col1取值下分类特征分布')
plt.show()

内容的提问来源于stack exchange，提问作者jalaghania