如何从列表创建Pandas DataFrame并绘制veh_class的cmb_mpg比例柱状图

首先说下核心问题：你现在生成的是字符串格式的列表，既没法直接用pandas的plot方法（这就是触发AttributeError的原因），还包含无效的nan值。下面给你两种可行的解决方案，优先推荐用结构化DataFrame的方式，更简洁易维护。

方案一：创建可直接绘图的DataFrame #

这是最推荐的方式，我们直接收集车型类别和对应比例的结构化数据，转成DataFrame并处理无效值后，就能轻松完成绘图。

修改后的代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 初始化空列表存储结构化数据
prop_data = []
vehicle_classes = df_18["veh_class"].unique()

for v_class in vehicle_classes:
    # 获取两个年份对应类别的平均油耗
    cmb_mpg_08 = df_08[df_08['veh_class'] == v_class]['cmb_mpg'].mean()
    cmb_mpg_18 = df_18[df_18['veh_class'] == v_class]['cmb_mpg'].mean()
    
    # 处理NaN和除数为0的情况，避免生成无效比例
    if pd.notna(cmb_mpg_08) and cmb_mpg_08 > 0:
        proportion = cmb_mpg_18 / cmb_mpg_08
    else:
        proportion = None  # 也可以用0填充，根据你的需求调整
    
    # 用字典存储数据，方便后续转换为DataFrame
    prop_data.append({"veh_class": v_class, "mpg_proportion": proportion})

# 转换为结构化DataFrame
prop_df = pd.DataFrame(prop_data)
# 删除包含NaN的行（这些是2008年没有对应数据的车型，比例无意义）
prop_df = prop_df.dropna(subset=["mpg_proportion"])

为什么这么改？ #

• 不再生成字符串，而是用字典保存车型类别和比例值，转成DataFrame后直接支持pandas的plot方法
• 增加了无效数据的处理逻辑，避免NaN干扰后续绘图
• 生成的prop_df结构清晰，后续做排序、过滤等二次分析也更便捷

绘制柱状图 #

有了结构化DataFrame，绘图就非常简单了：

# 设置绘图风格（可选，让图表更美观）
plt.style.use('seaborn-v0_8')

# 绘制柱状图
prop_df.plot(kind='bar', x='veh_class', y='mpg_proportion', figsize=(10, 6))

# 自定义图表细节
plt.title('2018 vs 2008 Average Combined MPG Proportion by Vehicle Class')
plt.xlabel('Vehicle Class')
plt.ylabel('Proportion (2018 MPG / 2008 MPG)')
plt.xticks(rotation=45, ha='right')  # 旋转x轴标签，避免重叠
plt.tight_layout()  # 自动调整布局，防止标签被截断
plt.show()

方案二：直接处理你生成的列表绘图（不推荐，但提供方法） #

如果你不想修改原代码，想直接用生成的prop列表，需要先解析字符串中的类别和比例值，再用matplotlib手动绘图：

import matplotlib.pyplot as plt

# 解析原列表中的数据
vehicle_classes = []
mpg_proportions = []

for item in prop:
    # 拆分字符串，提取车型类别和比例
    cls, p_str = item.split(': ')
    # 过滤nan值，只保留有效数据
    if p_str != 'nan':
        vehicle_classes.append(cls)
        mpg_proportions.append(float(p_str))

# 用matplotlib绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(vehicle_classes, mpg_proportions)

# 添加图表标签和标题
plt.title('2018 vs 2008 Average Combined MPG Proportion by Vehicle Class')
plt.xlabel('Vehicle Class')
plt.ylabel('Proportion (2018 MPG / 2008 MPG)')
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

注意事项 #

• 原列表中的nan是因为2008年没有对应车型的数据，这些比例没有实际意义，绘图前一定要过滤掉
• 相比方案一，这种方法需要手动解析数据，后续维护和调整都更麻烦，所以优先推荐用DataFrame的方式

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