Seaborn 标准化条形图答案

【问题标题】：Seaborn Normalized Bar ChartSeaborn 标准化条形图
【发布时间】：2020-09-08 11:17:09
【问题描述】：

我有一个数据框，其中两列包含 True 和 False，一列包含性别：男性和女性。

我正在尝试计算每个性别的每列的 True 数量，但通过每个性别的数量进行标准化。

到目前为止，我所做的是将我的数据与整个 datafame df_up 进行标准化。但是如何根据每个性别的数量分别对每个进行标准化呢？

percentage = lambda x: sum(x) / len(df_up)
ax6 = sns.barplot(x="value", y="variable", hue="Gender", data=melted_fan, estimator=percentage, ci=None, palette=palette)

【问题讨论】：

标签： python pandas bar-chart seaborn

【解决方案1】：

我猜这就是你所做的：

import seaborn as sns
import numpy as np
import pandas as pd
df = pd.DataFrame({'Gender':np.random.choice(["Female","Male"],100),
                  'star_wars_fan':np.random.choice([True,False],100),
                   'star_trek_fan':np.random.choice([True,False],100)
                  })

melted_fan = df.groupby('Gender').agg(sum).reset_index().melt(id_vars="Gender")
melted_fan

    Gender  variable    value
0   Female  star_wars_fan   29.0
1   Male    star_wars_fan   16.0
2   Female  star_trek_fan   26.0
3   Male    star_trek_fan   29.0

sns.barplot(x="value", y="variable", hue="Gender", 
                  data=melted_fan, ci=None)

不幸的是，在 sns.barplot 中，它被分成了子组，并且估计器是应用于每个组的函数，因此很难使用它。更简单的方法是在绘图前计算百分比：

melted_fan['perc'] =  melted_fan.groupby('variable')['value'].apply(lambda x:100*x/x.sum())
sns.barplot(x="value", y="variable", hue="Gender", 
                  data=melted_fan, ci=None)

【讨论】：

【解决方案2】：

这种条形图可以通过 pandas 绘图来构建：

import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter
import pandas as pd
import numpy as np

N = 1000
df = pd.DataFrame({'Star Wars': np.random.randint(0, 2, N, dtype=np.bool),
                   'Star Trek': np.random.randint(0, 2, N, dtype=np.bool),
                   'Gender': np.random.choice(['Male', 'Female'], N, p=[0.6, 0.4])
                   })
ax = df.groupby(['Gender'])[['Star Wars', 'Star Trek']].agg('mean').transpose().plot(kind='barh')
ax.xaxis.set_major_formatter(PercentFormatter(1))
plt.show()

【讨论】：