Python多组groupby条形图合并教程

本文详细介绍了如何利用Python的Pandas和Matplotlib库，巧妙地将基于相同分组但聚合方式不同的数据（如平均值与总和）合并，并以并排条形图的形式进行可视化展示。针对直接使用`groupby().agg().plot.barh()`难以实现多聚合结果并排展示的问题，提出了通过数据框合并和Matplotlib子图功能，配合精细的轴标签设置的解决方案。文章通过实例演示了如何独立聚合数据、合并聚合结果，并利用`barh()`函数调整条形位置和宽度，最终生成清晰直观的对比图，有效提升数据分析报告的可读性和专业性，是数据分析与可视化中一项实用技巧。

在数据分析工作中，我们经常需要对数据进行分组聚合，并对不同聚合结果进行比较。例如，我们可能需要同时查看某个类别下数据的平均值和总和。虽然Pandas的groupby().agg().plot.barh()可以方便地生成单个聚合的条形图，但要将两个或更多聚合结果并排展示在一个图中，则需要更灵活的方法。本教程将指导您如何通过数据合并和Matplotlib的强大功能实现这一目标。

问题场景

假设我们有一个名为day_df的数据集，其中包含年份（yr）、季节（season）和天气情况（weathersit）等分类变量，以及一个数值变量cnt（计数）。我们希望同时可视化按这三个分类变量分组后的cnt的平均值和总和。

直接尝试将两个groupby().agg().plot.barh()的结果合并到一个图中通常会失败，因为它们生成的是独立的图表。此外，如果尝试手动使用plt.bar()或plt.barh()，可能会遇到索引对齐和标签设置的挑战，尤其是在处理多层索引时。

解决方案核心思路

解决此问题的关键在于：

1. 独立聚合数据： 分别计算每个分组的平均值和总和。
2. 合并聚合结果： 将这些独立的聚合结果合并到一个Pandas DataFrame中。
3. 使用Matplotlib绘制： 利用Matplotlib的barh()（或bar()）函数在同一个坐标轴上绘制合并后的数据，并通过调整条形的位置和宽度实现并排显示。

详细步骤与代码示例

1. 准备数据并进行分组聚合

首先，我们需要对原始数据进行两次分组聚合，一次计算cnt的平均值，另一次计算cnt的总和。为了方便后续合并，聚合后需要使用reset_index()将多层索引转换为普通列。

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

# 假设 day_df 是您的原始数据框
# 为了教程的可运行性，这里创建一个模拟数据框
data = {
    'yr': np.random.choice([0, 1], 100),
    'season': np.random.choice([1, 2, 3, 4], 100),
    'weathersit': np.random.choice([1, 2, 3], 100),
    'cnt': np.random.randint(100, 1000, 100)
}
day_df = pd.DataFrame(data)

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

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

print("平均值数据框（部分）：")
print(day_mean_dataframe.head())
print("\n总和数据框（部分）：")
print(day_sum_dataframe.head())

2. 合并聚合后的数据框

接下来，我们将这两个聚合后的数据框合并。由于它们共享相同的分组键（yr, season, weathersit），我们可以使用pd.merge()函数进行内连接。为了区分聚合结果，我们使用suffixes参数为cnt列添加后缀。

# 合并两个数据框
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（部分）：")
print(merged_df.head())

merged_df现在包含每个分组的cnt_mean和cnt_sum两列，方便我们进行统一绘图。

3. 使用Matplotlib绘制并排条形图

现在，我们可以使用Matplotlib的barh()函数来绘制水平并排条形图。

# 创建图和子图对象
fig, ax = plt.subplots(figsize=(12, 8)) # 调整图大小以适应更多标签

# 为每个分组创建一个位置数组
r1 = np.arange(len(merged_df))
height1 = 0.4 # 设置条形的高度，用于 barh

# 绘制平均值条形
ax.barh(r1, merged_df["cnt_mean"], height=height1, label='平均值 (Mean)', color='skyblue')

# 绘制总和条形，将其位置偏移，实现并排效果
ax.barh(r1 + height1, merged_df["cnt_sum"], height=height1, label='总和 (Sum)', color='lightcoral')

# 设置Y轴刻度标签
# 将刻度放在两个条形之间
ax.set_yticks(r1 + height1 / 2) 
# 生成可读性强的Y轴标签，结合所有分组键
ax.set_yticklabels([f'年份: {row.yr}, 季节: {row.season}, 天气: {row.weathersit}' 
                    for _, row in merged_df.iterrows()])

# 添加图例、轴标签和标题
ax.set_xlabel('计数 (Count)')
ax.set_ylabel('分组类别 (Group Categories)')
ax.set_title('不同分组下计数平均值与总和的对比')
ax.legend()

# 调整布局，防止标签重叠
plt.tight_layout()
plt.show()

代码说明与注意事项

• reset_index()的重要性： 在groupby().agg()之后调用reset_index()是关键一步。它将多层索引转换为普通列，使得后续的pd.merge()操作更加直接，并且在设置yticklabels时也能方便地访问各个分组键。
• pd.merge()的suffixes参数： 使用suffixes=('_mean', '_sum')可以避免合并后出现同名列冲突，并清晰地标识出每个聚合结果的来源。
• np.arange(len(merged_df))： 这创建了一个等差数列，作为每个分组在Y轴上的基准位置。
• height1和位置偏移： height1定义了每个水平条形的高度。通过将第二个条形的位置设置为r1 + height1，可以使其紧邻第一个条形并排显示。如果使用plt.bar()绘制垂直条形图，则需要调整width和x轴位置。
• ax.set_yticks()和ax.set_yticklabels()： 对于水平条形图，Y轴代表分组类别。我们需要手动设置Y轴的刻度位置（r1 + height1 / 2将刻度标签置于两个条形之间）和刻度标签。通过遍历merged_df并格式化字符串，可以创建包含所有分组信息的清晰标签。
• plt.tight_layout()： 这个函数会自动调整子图参数，以给定的填充方式，使之适应图的布局，通常用于防止标签或标题重叠。
• 可读性： 选择合适的figsize、height（或width）、颜色和字体大小，可以显著提升图表的可读性。对于分组类别较多的情况，水平条形图（barh）通常比垂直条形图（bar）更适合显示长标签。

总结

通过上述步骤，我们成功地将两个基于相同分组但聚合方式不同的数据集（平均值和总和）合并，并在一个清晰的水平条形图中进行了并排可视化。这种方法不仅解决了直接绘制的难题，还提供了高度的灵活性和定制性，使您能够创建专业且易于理解的数据分析图表。掌握这种技术，对于进行多维度数据比较和报告展示非常有价值。

到这里，我们也就讲完了《Python多组groupby条形图合并教程》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！