从数据中的两个变量中可视化特定信息答案

【问题标题】：Visualizing specific information out of two variables in a data从数据中的两个变量中可视化特定信息
【发布时间】：2021-04-08 15:48:57
【问题描述】：

假设我有这个名为 sample.csv 的 csv 文件：

CODE     AGEGROUP      SEX     CITY      HEALTHSTATUS 
----     ---------     ---     ----      ------------
E101      25 to 29      M      Denver    Recovered
E102      25 to 29      F      Chicago   Recovered
E105      45 to 49      M      Denver    Mild

我想可视化（以条形图显示）根据性别“康复”的人数（因此对于上面的示例，一名男性和一名女性康复）。到目前为止，我的代码仅适用于根据性别和健康状况可视化人数。

以下是计算性发生次数的代码要点：

import pandas as pd
import matplotlib.pyplot as plt

fs = 6
plt.style.use("bmh")
fig = plt.figure()

ax0 = plt.subplot(1, 1, 1)
df["SEX"].value_counts().plot(kind="bar", ax=ax0)
ax0.set_xlabel("Sex", fontsize=fs)
ax0.set_ylabel("Number of People", fontsize=fs)
ax0.tick_params(axis='both', labelsize=fs)
ax0.tick_params(axis='x', labelrotation=00)
ax0.set_title("NUMBER OF POSITIVE CASES BY SEX", fontsize=fs)
plt.tight_layout()
plt.show()

我应该如何让程序根据性别可视化“恢复”的数量？

【问题讨论】：

标签： python pandas csv matplotlib visualization

【解决方案1】：

只是改变：

df["SEX"].value_counts().plot(kind="bar", ax=ax0)

收件人：

df["SEX"][df['HEALTHSTATUS'] == 'Recovered'].value_counts().plot(kind="bar", ax=ax0)

完整代码：

import pandas as pd
import matplotlib.pyplot as plt

fs = 6
plt.style.use("bmh")
fig = plt.figure()

ax0 = plt.subplot(1, 1, 1)
df["SEX"][df['HEALTHSTATUS'] == 'Recovered'].value_counts().plot(kind="bar", ax=ax0)
ax0.set_xlabel("Sex", fontsize=fs)
ax0.set_ylabel("Number of People", fontsize=fs)
ax0.tick_params(axis='both', labelsize=fs)
ax0.tick_params(axis='x', labelrotation=00)
ax0.set_title("NUMBER OF POSITIVE CASES BY SEX", fontsize=fs)
plt.tight_layout()

【讨论】：

【解决方案2】：

如果有兴趣，您可以使用数据透视表并在绘图中使用生成的数据框。一些不同的数据视图：

df1 = pd.pivot_table(df, values='SEX', index=['HEALTHSTATUS'],
                    columns=['AGEGROUP'], aggfunc=np.count_nonzero, fill_value=0).reset_index()
df2 = pd.pivot_table(df, values='SEX', index=['HEALTHSTATUS'],
                    columns=['AGEGROUP', 'CITY'], aggfunc=np.count_nonzero, fill_value=0).reset_index()
df3 = pd.pivot_table(df, values='AGEGROUP', index=['HEALTHSTATUS'],
                    columns='SEX', aggfunc=np.count_nonzero, fill_value=0).reset_index()
df4 = pd.pivot_table(df, values='AGEGROUP', index=['SEX'],
                    columns='HEALTHSTATUS', aggfunc=np.count_nonzero, fill_value=0).reset_index()

输出：

In [234]: df1
Out[234]:
AGEGROUP HEALTHSTATUS  25to29  45to49
0                Mild       0       1
1           Recovered       2       0

In [235]: df2
Out[235]:
AGEGROUP HEALTHSTATUS  25to29        45to49
CITY                  Chicago Denver Denver
0                Mild       0      0      1
1           Recovered       1      1      0

In [236]: df3
Out[236]:
SEX HEALTHSTATUS  F  M
0           Mild  0  1
1      Recovered  1  1

In [237]: df4
Out[237]:
HEALTHSTATUS SEX  Mild  Recovered
0              F     0          1
1              M     1          1

【讨论】：