如何将 groupby() 和 value_counts() 变成多个饼图/条形图

Question

假设我有一个数据框，我正在查看它的 2 列（2 个系列）。

使用以下列之一"no_employees"- 有人可以帮助我弄清楚如何创建 6 个不同的饼图或条形图（每个 no_employees 分组 1 个）来说明处理列中是/否值的值计数吗？我会使用matplotlibor seaborn，任何你觉得最简单的。

我正在使用附加的代码行来生成下面的代码。

dataframe_title.groupby(['no_employees']).treatment.value_counts(). 

但现在我被困住了。我用seaborn吗？.plot? 这看起来应该很容易，我知道在某些情况下我可以 make subplots=True，但我真的很困惑。非常感谢。

no_employees    treatment
1-5             Yes           88
                No            71
100-500         Yes           95
                No            80
26-100          Yes          149
                No           139
500-1000        No            33
                Yes           27
6-25            No           162
                Yes          127
More than 1000  Yes          146
                No           135

Answer 1

数据编码的重要性：

1. 数据可视化的目的是更容易地传达信息（例如，在这种情况下，'treatments'每个类别的相对数量）
2. 条形图可轻松显示重要信息
   • 每组中有多少人说'Yes'或'No'
   • 每组的相对大小
3. 饼图更常用于显示样本，其中样本中的组总和为 100%。
   • 维基百科：饼图
     • 研究表明，按角度比较不如按长度比较准确，因为人们更难辨别差异。
     • 统计学家通常认为饼图是一种糟糕的信息显示方法，它们在科学文献中并不常见。
   • 此数据不能用饼图很好地表示，因为每个公司规模都是一个单独的总体，需要 6 个饼图才能正确表示。
   • 正如其他人所示，数据可以放入饼图中，但这并不意味着它应该如此。

• 无论绘图类型如何，数据都必须是绘图 API 的正确形状。
• 用pandas 1.3.0, seaborn 0.11.1, 和matplotlib 3.4.2

设置测试数据帧

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np  # for sample data only

np.random.seed(365)
cats = ['1-5', '6-25', '26-100', '100-500', '500-1000', '>1000']

data = {'no_employees': np.random.choice(cats, size=(1000,)),
        'treatment': np.random.choice(['Yes', 'No'], size=(1000,))}

df = pd.DataFrame(data)

# set a categorical order for the x-axis to be ordered
df.no_employees = pd.Categorical(df.no_employees, categories=cats, ordered=True)

  no_employees treatment
0       26-100        No
1          1-5       Yes
2        >1000        No
3      100-500       Yes
4     500-1000       Yes

绘图pandas.DataFrame.plot()：

• 这需要对数据帧进行分组以获取.value_counts，并使用pandas.DataFrame.unstack.

# to get the dataframe in the correct shape, unstack the groupby result
dfu = df.groupby(['no_employees']).treatment.value_counts().unstack()

treatment     No  Yes
no_employees         
1-5           78   72
6-25          83   86
26-100        83   76
100-500       91   84
500-1000      78   83
>1000         95   91

# plot
ax = dfu.plot(kind='bar', figsize=(7, 5), xlabel='Number of Employees in Company', ylabel='Count', rot=0)
ax.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')

与 seaborn

• seaborn是 matplotlib 的高级 API。

seaborn.barplot()

• 需要一个整齐（长）格式的数据帧，这是通过将数据帧分组为 get .value_counts，并使用重置索引来完成的pandas.Series.reset_index
• 也可以使用sns.catplot()with来完成图形级界面kind='bar'

# groupby, get value_counts, and reset the index
dft = df.groupby(['no_employees']).treatment.value_counts().reset_index(name='Count')

   no_employees treatment  Count
0           1-5        No     78
1           1-5       Yes     72
2          6-25       Yes     86
3          6-25        No     83
4        26-100        No     83
5        26-100       Yes     76
6       100-500        No     91
7       100-500       Yes     84
8      500-1000       Yes     83
9      500-1000        No     78
10        >1000        No     95
11        >1000       Yes     91

# plot
p = sns.barplot(x='no_employees', y='Count', data=dft, hue='treatment')
p.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')
p.set(xlabel='Number of Employees in Company')

seaborn.countplot()

• 使用原始数据框df，不进行任何转换。
• 也可以使用sns.catplot()with来完成图形级界面kind='count'

p = sns.countplot(data=df, x='no_employees', hue='treatment')
p.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')
p.set(xlabel='Number of Employees in Company')

• barplot和的输出countplot