关于使用Python绘制年龄＞0.5岁人群图表的技术咨询

嘿，我来帮你搞定绘制年龄大于0.5岁人群图表的需求！先把你的DataFrame代码补全，再一步步筛选数据、完成绘图：

首先把你没写完的DataFrame代码补全，确保数据能正确加载：

import pandas as pd

data = {
    'age': [0.62,0.84,0.78,0.80,0.70,0.25,0.32,0.86,0.75],
    'gender': [1,0,0,0,1,0,0,1,0],
    'LOS': [0.11,0.37,0.23,-0.02,0.19,0.27,0.37,0.31,0.21],
    'WBS': [9.42,4.40,6.80,9.30,5.30,5.90,3.10,4.10,12.07],
    'HB': [22.44,10.40,15.60,15.10,11.30,10.60,12.50,10.40,14.10],
    'Nothrophil': [70.43,88.40,76.50,87,82,87.59,15.40,77,88]
}
df = pd.DataFrame(data)

用布尔索引快速筛选符合条件的行，这一步很关键：

# 筛选age > 0.5的数据
df_filtered = df[df['age'] > 0.5]
# 可以打印看看筛选结果
print(df_filtered)

下面给你几个实用的绘图例子，你可以根据自己的需求调整：

示例1：性别分布柱状图（用matplotlib） #

如果想看看筛选后人群的性别占比，试试这个：

import matplotlib.pyplot as plt

# 统计性别数量
gender_counts = df_filtered['gender'].value_counts()
# 设置图表
plt.figure(figsize=(6,4))
gender_counts.plot(kind='bar', color=['#1f77b4', '#ff7f0e'])
plt.title('Gender Distribution (Age > 0.5)')
plt.xlabel('Gender (0=Female, 1=Male)')
plt.ylabel('Count')
plt.xticks(rotation=0)  # 让x轴标签不旋转
plt.show()

示例2：住院时长（LOS）与白细胞计数（WBS）的散点图（用seaborn） #

想探索两个指标的相关性？用seaborn画散点图更美观：

import seaborn as sns

plt.figure(figsize=(8,5))
sns.scatterplot(data=df_filtered, x='WBS', y='LOS', hue='gender', size='age', alpha=0.7)
plt.title('LOS vs WBS (Age > 0.5)')
plt.xlabel('White Blood Cell Count (WBS)')
plt.ylabel('Length of Stay (LOS)')
plt.legend(title='Gender')
plt.show()

示例3：血常规指标的箱线图 #

对比不同性别下HB和中性粒细胞（Nothrophil）的分布：

# 把数据转换为长格式，方便画箱线图
df_melted = df_filtered.melt(id_vars='gender', value_vars=['HB', 'Nothrophil'], var_name='Indicator', value_name='Value')

plt.figure(figsize=(10,6))
sns.boxplot(data=df_melted, x='Indicator', y='Value', hue='gender')
plt.title('Blood Test Indicators by Gender (Age > 0.5)')
plt.ylabel('Measurement Value')
plt.show()

这些代码都可以直接运行，你还可以根据需求调整颜色、标题、图表类型（比如折线图、饼图）哦！

内容的提问来源于stack exchange，提问作者Elnaz