Pandas：在条形图上同时使用日志和堆栈

Question

我有一些来自亚马逊的数据，我想对其进行处理。我想包含的图之一是每个品牌的评分分布，我认为最好的方法是堆叠条形图。

但是，有些品牌的评论比其他品牌要多得多，所以我必须使用对数刻度，否则情节将是 3 个峰值，而其他品牌将无法正常看到。

大约有 300'000 个看起来像这样

reviewID  brand      overall
0         Logitech   5.0
1         Garmin     4.0
2         Logitech   4.0
3         Logitech   5.0

我用过这个代码

brandScore = swissDF.groupby(['brand', 'overall'])['brand']
brandScore = brandScore.count().unstack('overall')
brandScore.plot(kind='bar', stacked=True, log=True, figsize=(8,6))

这就是结果

现在，如果您不熟悉这些数据，这看起来可能是可以接受的，但实际上并非如此。与其他评分相比，1.0 评分堆栈看起来太大了，因为对数在该范围内并不是“完全有效”，而是会处理更好的分数。有没有办法在对数图上线性表示评分分布？

我的意思是，如果 60% 的评分是 5.0，那么 60% 的条应该是粉红色的，而不是我现在拥有的

Answer 1

为了使总条高度处于对数尺度上，但条内类别的比例是线性的，可以重新计算堆叠数据，使其在对数尺度上呈现线性。

作为展示示例，让我们选择 6 个总计差异很大的数据集 ( [5,10,50,100,500,1000])，这样在线性比例上，下部条形图会非常小。在本例中，我们将其分为 30%、50% 和 20%（为简单起见，所有不同的数据均按相同的比例划分）。

然后，我们可以计算稍后出现在堆叠条上的每个数据点需要有多大，以便 30%、50% 和 20% 的比率保留在对数比例图中，最后绘制新创建的数据点数据。

from __future__ import division 
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

a = np.array([5,10,50,100,500,1000])

p = [0.3,0.5,0.2]
c = np.c_[p[0]*a,p[1]*a, p[2]*a]

d = np.zeros(c.shape)
for j, row in enumerate(c):
    g = np.zeros(len(row)+1)
    G = np.sum(row)
    g[1:] = np.cumsum(row)
    f = 10**(g/G*np.log10(G))
    f[0] = 0
    d[j, :] = np.diff( f )

collabels = ["{:3d}%".format(int(100*i)) for i in p]     
dfo = pd.DataFrame(c, columns=collabels)
df2 = pd.DataFrame(d, columns=collabels)

fig, axes = plt.subplots(ncols=2)

axes[0].set_title("linear stack bar")
dfo.plot.bar(stacked=True, log=False, ax=axes[0])
axes[0].set_xticklabels(a)

axes[1].set_title("log total barheight\nlinear stack distribution")
df2.plot.bar(stacked=True, log=True, ax=axes[1])
axes[1].set_xticklabels(a)
axes[1].set_ylim([1, 1100])
plt.show()

最后说一句：我认为人们应该小心对待这样的情节。它可能对检查有用，但我不建议向其他人展示这样的图，除非可以绝对确保他们理解绘制的内容以及如何阅读它。否则这可能会引起很多混乱，因为堆叠类别的高度与比例不匹配，这根本就是错误的。显示虚假数据可能会造成很多麻烦！