Pandas使用groupby统计双列分组计数及绘制并排分组柱状图的问题
实现方案
核心问题定位
之前使用df.groupby('col1')['col2'].value_counts()得到的是带多级索引的长格式Series,存在两个核心问题:
- 未出现的col1-col2组合(比如某个col1取值下完全没有A类样本)不会被自动补0,和需要的统计结果结构不匹配
- 直接对该Series绘图时,会把col1+col2的组合标签作为独立x轴刻度,无法实现同一col1取值下A、B两根柱子并排的效果
统计结果生成
通过分组计数后转宽表的方式,自动补全所有缺失组合的0值,生成符合要求的统计结构:
# 生成分组计数,转宽表自动填充缺失值为0 count_df = df.groupby(['col1', 'col2']).size().unstack(fill_value=0).reset_index()
执行后得到的宽表结构:
- 每一行对应一个col1取值
- 列自动拆分为
col1、A、B,后两列分别对应A、B两个类别的样本计数
如果需要匹配最初期望的长表格式(相同col1的后续行不重复显示col1值),可以将宽表做格式转换:
# 转换为长表结构 long_count = count_df.melt( id_vars='col1', var_name='col2', value_name='count' )
如果需要补全col1的全取值范围(比如覆盖1-7的连续区间,哪怕区间内的col1没有样本也要在结果中显示),可以在生成宽表后做索引对齐:
# 补全col1完整取值范围 count_df = count_df.set_index('col1').reindex(range(1, 8), fill_value=0).reset_index()
并排柱状图绘制
基于上面生成的宽表直接调用pandas绘图接口,即可自动实现x轴每个刻度对应一个col1取值、A/B两根柱子并排的效果,不需要额外调整分组参数:
count_df.plot( x='col1', kind='bar', edgecolor='white', rot=0 )
内容的提问来源于stack exchange,提问作者imRobert7
相关产品推荐
相关产品推荐

