Pandas分组聚合绘图教程

来到golang学习网的大家，相信都是编程学习爱好者，希望在这里学习文章相关编程知识。下面本篇文章就来带大家聊聊《Pandas groupby聚合结果绘制成单图》，介绍一下，希望对大家的知识积累有所帮助，助力实战开发！

在数据分析实践中，我们经常需要对数据集进行分组聚合，并比较不同聚合指标（例如，同一分组下的均值和总和）的表现。然而，直接使用Pandas groupby().plot.barh() 链式调用只能生成单个聚合结果的图表。为了在同一图表中直观地并排展示和比较多个聚合结果，我们需要更精细的数据处理和绘图控制。本文将详细介绍如何通过数据框合并和Matplotlib库来实现这一目标。

1. 核心策略：数据准备与合并

要将不同聚合结果合并到同一图表中，首先需要将这些结果整合到一个统一的数据结构中。最有效的方法是分别执行聚合操作，然后将这些聚合后的数据框根据共同的分组键进行合并。

1.1 执行分组聚合并重置索引

首先，对原始数据框执行所需的聚合操作（例如，计算均值和总和）。关键步骤是使用 .reset_index() 方法将 groupby 产生的索引（即分组键）转换为普通列。这使得后续的数据框合并操作成为可能。

假设我们有一个名为 day_df 的数据框，包含 yr (年份), season (季节), weathersit (天气情况) 和 cnt (计数) 等列。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 模拟一个示例数据框
data = {
    'yr': [0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1],
    'season': [1, 1, 2, 2, 1, 1, 2, 2, 3, 3, 3, 3],
    'weathersit': [1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2],
    'cnt': [100, 150, 200, 250, 120, 180, 220, 280, 110, 160, 230, 290]
}
day_df = pd.DataFrame(data)

# 计算每个分组的cnt均值，并重置索引
day_mean_dataframe = day_df.groupby(by=["yr", "season", "weathersit"]).agg({"cnt": "mean"}).reset_index()

# 计算每个分组的cnt总和，并重置索引
day_sum_dataframe = day_df.groupby(by=["yr", "season", "weathersit"]).agg({"cnt": "sum"}).reset_index()

print("均值数据框:\n", day_mean_dataframe)
print("\n总和数据框:\n", day_sum_dataframe)

说明：

• agg({"cnt": "mean"}) 和 agg({"cnt": "sum"}) 分别计算 cnt 列的均值和总和。
• .reset_index() 将 yr, season, weathersit 这些分组键从索引转换为普通列，以便后续的合并操作。

1.2 合并聚合后的数据框

接下来，使用 pd.merge() 函数将两个聚合后的数据框合并。通过指定共同的分组键作为合并依据，并使用 suffixes 参数为聚合列添加后缀，可以清晰地区分不同聚合结果。

# 合并数据框
merged_df = pd.merge(day_mean_dataframe, day_sum_dataframe, 
                     on=["yr", "season", "weathersit"], 
                     suffixes=('_mean', '_sum'))

print("\n合并后的数据框:\n", merged_df)

说明：

• on=["yr", "season", "weathersit"] 指定了合并所依据的共同列。
• suffixes=('_mean', '_sum') 为 cnt 列在合并后分别添加 _mean 和 _sum 后缀，避免列名冲突，并明确其含义。

2. 图表绘制：创建并定制分组条形图

数据准备就绪后，我们就可以使用Matplotlib来绘制并排显示的水平条形图。

2.1 初始化绘图区域并准备条形位置

首先，创建一个 Matplotlib 的图表和坐标轴对象。然后，计算每个分组条形的位置和宽度，以便在图表中并排显示。

# 创建图表和坐标轴
fig, ax = plt.subplots(figsize=(12, 8)) # 调整figsize以适应更多分组

# 计算条形的位置。r1代表每个分组在Y轴上的基准位置
r1 = np.arange(len(merged_df)) 
width1 = 0.4 # 条形的宽度

说明：

• plt.subplots() 返回一个 Figure 对象 (fig) 和一个 Axes 对象 (ax)。figsize 参数控制图表尺寸。
• np.arange(len(merged_df)) 为每个分组创建一个唯一的数值位置，作为条形图的基准 Y 坐标。
• width1 定义了单个条形的宽度，这将用于调整两个并排条形之间的间距。

2.2 绘制水平分组条形图

使用 ax.barh() 函数分别绘制均值和总和的水平条形图。通过调整第二个条形的 Y 坐标 (r1 + width1)，可以使其与第一个条形并排显示。

# 绘制均值条形图
bars_mean = ax.barh(r1, merged_df["cnt_mean"], height=width1, label='均值', color='skyblue')

# 绘制总和条形图，通过调整Y坐标使其与均值条形并排
bars_sum = ax.barh(r1 + width1, merged_df["cnt_sum"], height=width1, label='总和', color='lightcoral')

说明：

• ax.barh() 用于绘制水平条形图。
• 第一个参数是条形在 Y 轴上的位置。
• 第二个参数是条形的长度（即值）。
• height 参数设置条形的垂直厚度。
• label 参数用于图例。

2.3 添加标签、刻度与图例

为了使图表更具可读性，需要设置 Y 轴刻度、刻度标签和图例。Y 轴刻度标签可以组合多个分组键信息，以便清晰地识别每个分组。

# 设置Y轴刻度位置，使其位于并排条形的中间
ax.set_yticks(r1 + width1 / 2)

# 设置Y轴刻度标签，组合多个分组键信息
ax.set_yticklabels([f'Yr:{row.yr}, Seas:{row.season}, Wthr:{row.weathersit}' 
                    for _, row in merged_df.iterrows()])

# 添加图例
ax.legend()

# 设置图表标题和轴标签
ax.set_title('不同分组下计数（cnt）的均值与总和对比')
ax.set_xlabel('计数 (cnt) 值')
ax.set_ylabel('年份, 季节, 天气情况')

# 调整布局，确保标签不重叠
plt.tight_layout()

# 显示图表
plt.show()

说明：

• ax.set_yticks(r1 + width1 / 2) 将 Y 轴刻度设置在每个分组两个条形的中间位置，使标签对齐。
• ax.set_yticklabels(...) 使用 f-string 格式化字符串，将 yr, season, weathersit 组合成一个易读的标签。
• ax.legend() 显示图例，解释不同颜色的条形代表的含义。
• plt.tight_layout() 自动调整子图参数，以紧凑布局。

3. 完整示例代码

以下是整合了上述所有步骤的完整代码，包括数据生成和绘图：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 1. 模拟一个示例数据框
data = {
    'yr': [0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1],
    'season': [1, 1, 2, 2, 1, 1, 2, 2, 3, 3, 3, 3, 4, 4],
    'weathersit': [1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 1],
    'cnt': [100, 150, 200, 250, 120, 180, 220, 280, 110, 160, 230, 290, 130, 260]
}
day_df = pd.DataFrame(data)

# 2. 执行分组聚合并重置索引
day_mean_dataframe = day_df.groupby(by=["yr", "season", "weathersit"]).agg({"cnt": "mean"}).reset_index()
day_sum_dataframe = day_df.groupby(by=["yr", "season", "weathersit"]).agg({"cnt": "sum"}).reset_index()

# 3. 合并聚合后的数据框
merged_df = pd.merge(day_mean_dataframe, day_sum_dataframe, 
                     on=["yr", "season", "weathersit"], 
                     suffixes=('_mean', '_sum'))

# 4. 创建图表和坐标轴
fig, ax = plt.subplots(figsize=(12, 8)) # 调整图表尺寸

# 5. 计算条形的位置和宽度
r1 = np.arange(len(merged_df)) 
width1 = 0.4 # 条形的宽度

# 6. 绘制水平分组条形图
bars_mean = ax.barh(r1, merged_df["cnt_mean"], height=width1, label='均值', color='skyblue')
bars_sum = ax.barh(r1 + width1, merged_df["cnt_sum"], height=width1, label='总和', color='lightcoral')

# 7. 设置Y轴刻度位置和标签
ax.set_yticks(r1 + width1 / 2)
ax.set_yticklabels([f'年份:{row.yr}, 季节:{row.season}, 天气:{row.weathersit}' 
                    for _, row in merged_df.iterrows()])

# 8. 添加图例、标题和轴标签
ax.legend()
ax.set_title('不同分组下计数（cnt）的均值与总和对比')
ax.set_xlabel('计数 (cnt) 值')
ax.set_ylabel('分组维度 (年份, 季节, 天气情况)')

# 9. 调整布局并显示图表
plt.tight_layout()
plt.show()

4. 注意事项与最佳实践

• reset_index() 的重要性： 在合并数据框之前，务必使用 reset_index() 将 groupby 产生的索引转换为普通列。否则，合并操作将无法识别共同的分组键。
• suffixes 参数： 在 pd.merge() 中使用 suffixes 参数是一个好习惯，它可以确保合并后不同聚合列的名称清晰且不冲突。
• 图表尺寸与可读性： 当分组数量较多时，务必调整 figsize 参数以确保图表有足够的空间显示所有条形和标签，避免重叠。对于垂直条形图，如果X轴标签过长，可以使用 rotation 参数旋转标签。
• 标签组合： 当分组键包含多个维度时，将它们组合成一个有意义的字符串作为刻度标签，可以大大提高图表的可读性。
• 颜色与图例： 选择对比鲜明的颜色来区分不同的聚合指标，并始终添加图例以解释颜色含义。
• 高级可视化库： 对于更复杂的统计图表需求，可以考虑使用 Seaborn 库。Seaborn 建立在 Matplotlib 之上，提供了更高级的接口来创建美观且信息丰富的统计图表，例如 seaborn.barplot 可以直接处理这种分组比较的需求。

总结

通过上述步骤，我们成功地将多个 groupby() 聚合结果合并到单个水平条形图中，实现了不同指标在同一分组维度下的并排比较。这种方法不仅提供了清晰的视觉呈现，也为深入分析数据提供了有力的工具。掌握数据框合并和 Matplotlib 的精细控制是进行高级数据可视化的关键技能。

好了，本文到此结束，带大家了解了《Pandas分组聚合绘图教程》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！