Python3 pandas分组统计各地点重要性分布及可视化实现方法

现有聚合结果的可优化点 #

你当前的聚合输出存在两个实际使用中的问题：

• 重复计算：对agent、count两个列分别计算了样本数，实际返回值完全一致，属于冗余信息
• 缺失值未补全：不存在的分组（比如London下没有Medium重要等级的样本）直接被省略，没有统一补0，后续计算和展示会出现断档

具体整理步骤 #

1. 精简聚合逻辑，直接获取分组计数
   不用对多列做size计算，直接用groupby的size方法拿到每组的样本数即可：

   # 生成分组计数长表
   grouped = data.groupby(['location', 'importance']).size().reset_index(name='sample_count')
   

2. 转换为宽表结构，补全缺失分组
   用pivot方法把嵌套在索引里的importance维度转成列，缺失值统一填充为0，同时手动调整列的顺序为High/Medium/Low，避免字母排序导致的列顺序混乱：

   structured_df = grouped.pivot(
       index='location',
       columns='importance',
       values='sample_count'
   ).fillna(0).astype(int)
   # 固定重要等级列的展示顺序
   structured_df = structured_df[['High', 'Medium', 'Low']]
   

   更简洁的实现可以直接用unstack一步完成长表转宽表，效果和pivot完全一致：

   structured_df = data.groupby(['location', 'importance']).size().unstack(fill_value=0)[['High', 'Medium', 'Low']]
   

   最终输出的结构化表效果如下：

   location	High	Medium	Low
   London	1	0	2
   Melbourne	1	0	2
   NYC	2	2	0

针对这个三维交叉的统计结果，最直观的展示方式有两种：

• 堆叠柱状图（优先推荐）：可以同时展示每个地点的总样本量、不同重要等级的内部构成
  直接调用pandas内置绘图接口即可，无需额外复杂配置：

  import matplotlib.pyplot as plt
  # 配置绘图样式避免中文乱码
  plt.rcParams['font.sans-serif'] = ['SimHei']
  plt.rcParams['axes.unicode_minus'] = False
  # 生成堆叠柱状图
  structured_df.plot(
      kind='bar',
      stacked=True,
      figsize=(8, 5),
      title='各地点不同重要等级的样本分布'
  )
  plt.ylabel('样本数量')
  plt.xlabel('地点')
  plt.xticks(rotation=0)
  plt.tight_layout()
  plt.show()
  

• 分组柱状图：如果需要横向对比不同地点下同一重要等级的样本量，只需要把上述代码里的stacked=True改为stacked=False即可。

内容的提问来源于stack exchange，提问作者Arun