使用 pandas 和 matplotlib 绘制分类数据答案

【问题标题】：Plotting categorical data with pandas and matplotlib使用 pandas 和 matplotlib 绘制分类数据
【发布时间】：2015-09-10 19:59:24
【问题描述】：

我有一个包含分类数据的数据框：

     colour  direction
1    red     up
2    blue    up
3    green   down
4    red     left
5    red     right
6    yellow  down
7    blue    down

我想根据类别生成一些图表，例如饼图和直方图。是否可以不创建虚拟数字变量？类似的东西

df.plot(kind='hist')

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以在系列中简单地使用value_counts：

df['colour'].value_counts().plot(kind='bar')

【讨论】：

建议将df["colour"].value_counts().plot(kind='bar') 作为常用替代方案
可以指定x标签的顺序吗？
是的，您可以明确指定 x-labels 的顺序，例如df['colour'].value_counts()[['green', 'yellow', 'blue', 'red']]
你能告诉我如何调整这个情节吗？我的意思是，如果我想为每个班级更改颜色，或者我想为其添加一个图例。
这些天来，df["colour"].value_counts().plot().bar() 的语法更流行——但这为我省去了一些痛苦！谢谢！

【解决方案2】：

您可能会从 statsmodels 中找到有用的 mosaic 图。这也可以对差异进行统计突出显示。

from statsmodels.graphics.mosaicplot import mosaic
plt.rcParams['font.size'] = 16.0
mosaic(df, ['direction', 'colour']);

但要注意 0 大小的单元格 - 它们会导致标签出现问题。

详情请见this answer

【讨论】：

谢谢。我不断收到 ValueError: Cannot convert NA to integer on it.
这就是我引用this answer的原因。它应该有助于解决这个问题。

【解决方案3】：

像这样：

df.groupby('colour').size().plot(kind='bar')

【讨论】：

【解决方案4】：

您也可以使用seaborn 中的countplot。该软件包基于pandas 创建高级绘图界面。它免费为您提供良好的样式和正确的轴标签。

import pandas as pd
import seaborn as sns
sns.set()

df = pd.DataFrame({'colour': ['red', 'blue', 'green', 'red', 'red', 'yellow', 'blue'],
                   'direction': ['up', 'up', 'down', 'left', 'right', 'down', 'down']})
sns.countplot(df['colour'], color='gray')

它还支持用一个小技巧为条形上色

sns.countplot(df['colour'],
              palette={color: color for color in df['colour'].unique()})

【讨论】：

嗨。如何修改变量的名称，例如，我有近 10 个变量类别，当我制作此图时，名称相互重叠。我能做些什么来避免这种情况发生？我应该增加 figsize 还是什么？

【解决方案5】：

要在同一个图上将多个分类特征绘制为条形图，我建议：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame(
    {
        "colour": ["red", "blue", "green", "red", "red", "yellow", "blue"],
        "direction": ["up", "up", "down", "left", "right", "down", "down"],
    }
)

categorical_features = ["colour", "direction"]
fig, ax = plt.subplots(1, len(categorical_features))
for i, categorical_feature in enumerate(df[categorical_features]):
    df[categorical_feature].value_counts().plot("bar", ax=ax[i]).set_title(categorical_feature)
fig.show()

【讨论】：

【解决方案6】：

您可以简单地使用value_counts 并将sort 选项设置为False。这将保留类别的顺序

df['colour'].value_counts(sort=False).plot.bar(rot=0)

【讨论】：

【解决方案7】：

使用情节

import plotly.express as px
px.bar(df["colour"].value_counts())

【讨论】：