Pandas分组统计Score_1均值、Level占比及堆叠横条图绘制

报错根因说明 #

你之前调用unstack('Level')抛出KeyError，本质是分组维度不匹配：你编写的df.groupby('Category')["Score_1"].mean()整个分组结果的索引只有Category一个层级，完全没有将Level纳入分组维度，自然找不到名为Level的索引层级，因此触发报错。
另外你现有计算Mean的代码存在笔误：第三行Df_90=D_90.reset_index()中变量名书写错误，前面定义的对象是Df_90，这里误写为D_90，直接运行也会触发NameError。

目标数据集分步实现 #

整个计算拆成两个独立逻辑块，最后按Category主键合并即可，避免分组维度混乱：

1. 计算分组均值列
   按Category分组计算Score_1的算术平均，作为结果表的Mean列：

   mean_df = df.groupby('Category', as_index=False)["Score_1"].mean().rename(columns={"Score_1": "Mean"})
   

2. 计算Level占比并转置为独立列
   先同时按Category、Level两个维度分组统计记录数，再按Category组内做归一化得到百分比，最后把Level维度unstack为列：

   # 双维度统计每组的记录条数
   level_count = df.groupby(['Category', 'Level']).size()
   # 按Category组内计算占比，乘以100转为百分比数值
   level_pct = level_count.groupby(level=0).apply(lambda x: x / x.sum() * 100)
   # 把Level维度unstack为列，无对应记录的占比补0，列名加上(%)后缀和示例格式对齐
   level_pct_df = level_pct.unstack('Level', fill_value=0).add_suffix('(%)').reset_index()
   

3. 合并生成最终目标表
   把均值表和占比表按Category主键做内连接，即可得到和示例结构完全一致的数据集，可按需将百分比值保留2位小数：

   result_df = mean_df.merge(level_pct_df, on='Category')
   # 格式化百分比保留2位小数
   pct_cols = [col for col in result_df.columns if col.endswith('(%)')]
   result_df[pct_cols] = result_df[pct_cols].round(2)
   

水平堆叠条形图实现 #

注意绘图规则：单根横向条形的总长度等于对应Category的Mean值，内部分段的宽度比例等于该类别的Level占比，不能直接用百分比值作为条形长度。需要先把各Level的百分比值换算为实际分段长度（计算公式：分段长度 = 对应Level的百分比 * 同Category的Mean / 100），再做堆叠绘图：

import matplotlib.pyplot as plt

# 索引设置为Category，将百分比换算为实际条形分段长度
plot_base = result_df.set_index('Category')
for col in pct_cols:
    plot_base[col] = plot_base[col] * plot_base['Mean'] / 100

# 绘制水平堆叠条形图
plot_base[pct_cols].plot(
    kind='barh',
    stacked=True,
    figsize=(8, 4),
    xlabel='Category',
    ylabel='Score_1均值'
)
# 调整图例位置避免遮挡图形
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

以上逻辑中，fill_value=0的配置会自动为未出现的Level占比补0，不会出现空值导致的绘图断裂问题。

内容的提问来源于stack exchange，提问作者viji