如何绘制堆积条形图以总结每个分类列的值比例

Question

我有一个这样的数据框：

    user_id     action          action_type     action_detail   device_type secs_elapsed
0   d1mm9tcy42  lookup          Missing         Missing         Windows Desktop 319
1   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 67753
2   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 301
3   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 22141
4   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 435
5   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 7703
6   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 115
7   d1mm9tcy42  personalize     data            wishlist_content_update Windows Desktop 831
8   d1mm9tcy42  index           view            view_search_results Windows Desktop 20842
9   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 683

我想设置一个条形图，它在 x 轴上有分类列，例如action、action_type 和 action_detail，在 y 轴上是具有值 Missing、Unknown 的行数的百分比计数（对于每列）（您在这里看不到，但有些列确实有那个值）和Other（任何不是Missing或Unknown的东西）。

我正在努力解决的一件事是，对于action 列中的每个值，如何查看action_type 和action_detail 中缺失或未知的百分比分别是多少。例如动作 lookup 发生了 100 次，在这些时间中，有 20% 的时间出现了 Missing action_type 等。

我通过这种类型的代码得到了一些东西：

print("The percentage of missing action types is {0}".format
     (((clean_sessions['action_type'] == 'Missing').value_counts())/(clean_sessions['action_type'].count())
    ))

但我想让我的分析更上一层楼。

Answer 1

1. 删除不相关的列。
2. 使所有值都在('Missing', 'Unknown', 'Other')中。
3. 在每一列上致电value_counts。
4. 当值不在列中时，计数将为 nan 而不是 0，因此您可能希望在末尾使用 fillna(0)。
5. 您已经有了所需的数据，只需将其绘制出来。

-

result = (df[['action', 'action_type', 'action_detail']]
 .where(df.isin(('Missing', 'Unknown')), 'Other')
 .apply(lambda x: x.value_counts(normalize=True))
 .fillna(0))
print(result)

         action  action_type  action_detail
Missing       0          0.5            0.5
Other         1          0.5            0.5

result.T.plot(kind='bar', stacked=True)