如何将各部门两类群体的4项评分均值按特征分图绘制对比柱状图
你当前的双循环代码仅能完成分组均值的终端打印,没有把计算结果存成可对接绘图接口的结构化数据,要实现4个特征各出一张分组柱状图的需求,可按照以下流程落地:
结构化整理分组均值结果
替换你原来只做print的循环逻辑,把零散的计算结果带标签存成规整的长表格式,避免绘图时临时取数出错:
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 基础参数定义 depts = ['research', 'sales', 'manu', 'hr'] ratings = ['JobSatisfaction', 'PerformanceRating', 'EnvironmentSatisfaction', 'RelationshipSatisfaction'] # 初始化空列表存储带标签的计算结果 plot_records = [] for dept_col in depts: # 按部门列的0/1取值分组,一次性算出该部门下所有评分特征的均值 dept_calc = group_data.groupby([dept_col])[ratings].mean() # 拆解计算结果,给每条记录补上部门、类别、特征名标签 for attrition_type in dept_calc.index: for rating_name in ratings: plot_records.append({ 'dept': dept_col, 'attrition_group': attrition_type, 'rating_feature': rating_name, 'avg_score': dept_calc.loc[attrition_type, rating_name] }) # 转成可直接绘图的DataFrame plot_source = pd.DataFrame(plot_records)
逐特征生成独立柱状图
遍历评分特征列表,为每个特征单独创建独立绘图窗口,图中按部门分x轴位置、按流失类别并排显示柱子:
# 设置全局绘图风格 sns.set_style("whitegrid") for feature_name in ratings: # 筛选当前特征对应的所有绘图数据 fig_data = plot_source[plot_source['rating_feature'] == feature_name] # 为当前特征新建独立画布 plt.figure(figsize=(8, 5)) # 绘制分组柱状图 sns.barplot( data=fig_data, x='dept', y='avg_score', hue='attrition_group', palette='coolwarm' ) # 配置图内文本标注 plt.title(f'{feature_name} 分部门两类员工平均得分对比', fontsize=12) plt.xlabel('部门分组', fontsize=10) plt.ylabel('平均得分', fontsize=10) # 给每个柱子加上精确的数值标签,不用对照坐标轴读值 for bar_container in plt.gca().containers: plt.gca().bar_label(bar_container, fmt='%.2f', padding=2) # 优化图例显示 plt.legend(title='流失状态', labels=['未流失(0)', '已流失(1)']) # 自动调整布局,避免标题、坐标轴标签被遮挡 plt.tight_layout() # 弹出当前特征的独立图窗 plt.show()
可调整的实用细节
- 计算完成后可先检查
plot_source的行数:4个特征×4个部门×2个流失类别,总记录数应为32条,若行数不对说明分组计算存在漏数 - 针对原数据集的特征取值范围调整y轴刻度:比如JobSatisfaction这类满意度特征原始取值为1-4分,可设置
plt.ylim(0, 4)让不同柱子的高度差对比更直观 - 如果不需要弹出4个独立窗口,可在最开始创建一个2行2列的子图网格,循环时按索引把每个特征的图画到对应子图位置,最后一次性出图
内容的提问来源于stack exchange,提问作者Marcelino Velasquez
相关产品推荐
相关产品推荐

