如何分组两次，保留原始列并绘制答案

【问题标题】：How to group-by twice, preserve original columns, and plot如何分组两次，保留原始列并绘制
【发布时间】：2021-05-21 12:46:45
【问题描述】：

我有以下数据集（仅显示示例）：

我想找到每个区域最有影响力的运动，然后通过 Seaborn barplot 绘制它。我使用以下代码来执行此操作。

# Create Dataset Using Only Area, Exercise and Impact Level Chategories
    CA_data = Data[['area', 'exercise', 'impact level']]

    # Compute Mean Impact Level per Exercise per Area
    mean_il_CA = CA_data.groupby(['area', 'exercise'])['impact level'].mean().reset_index()

    mean_il_CA_hello = mean_il_CA.groupby('area')['impact level'].max().reset_index()

    # Plot
    cx = sns.barplot(x="impact level", y="area", data=mean_il_CA_hello)
    plt.title('Most Impactful Exercises Considering Area')
    plt.show()

生成的数据集是：

这意味着当我绘图时，在 y 轴上只显示相对于区域的标签，而不是像我想要的那样“区域标签”+“运动标签”。

如何将 'exercise 列重新插入到我的最终数据集中？如何在 y 图上同时获取区域名称和练习？

【问题讨论】：

标签： python-3.x group-by seaborn bar-chart

【解决方案1】：

在按'area'的最大值分组时丢失'exercise'值的问题可以通过保持MultiIndex（即不使用reset_index）并使用.transform创建布尔掩码来选择适当的完整行 mean_il_CA 包含每个“区域”的最大“影响级别”值。此解决方案基于this answer by unutbu 中提供的代码。条形图的完整标签可以通过连接“区域”和“锻炼”的标签来创建。

这是一个使用 seaborn 包中的 Titanic 数据集的示例。变量“class”、“embark_town”和“fare”用于代替“area”、“exercise”和“impact_level”。分类变量都包含三个唯一值：“First”、“Second”、“Third”和“Cherbourg”、“Queenstown”、“Southampton”。

import pandas as pd    # v 1.2.5
import seaborn as sns  # v 0.11.1

df = sns.load_dataset('titanic')
data = df[['class', 'embark_town', 'fare']]
data.head()

data_mean = data.groupby(['class', 'embark_town'])['fare'].mean()
data_mean

# Select max values in each class and create concatenated labels
mask_max = data_mean.groupby(level=0).transform(lambda x: x == x.max())
data_mean_max = data_mean[mask_max].reset_index()
data_mean_max['class, embark_town'] = data_mean_max['class'].astype(str) + ', ' \
                                      + data_mean_max['embark_town']
data_mean_max

# Draw seaborn bar chart
sns.barplot(data=data_mean_max,
            x=data_mean_max['fare'],
            y=data_mean_max['class, embark_town'])

【讨论】：