Python:在seaborn bar p中绘制百分比

Question

对于数据帧

import pandas as pd
df=pd.DataFrame({'group':list("AADABCBCCCD"),'Values':[1,0,1,0,1,0,0,1,0,1,0]})

我试图绘制一个条形图，显示A, B, C, D取零（或一）次的百分比。

我有一条迂回的路可以走，但我想必须有一条更直的路

tempdf=df.groupby(['group','Values']).Values.count().unstack().fillna(0)
tempdf['total']=df['group'].value_counts()
tempdf['percent']=tempdf[0]/tempdf['total']*100

tempdf.reset_index(inplace=True)
print tempdf

sns.barplot(x='group',y='percent',data=tempdf)

如果它只是绘制平均值，我可以对df数据帧执行sns.barplot，而不是tempdf。如果我对绘制百分比感兴趣的话，我不知道怎样才能做得优雅。

谢谢

Answer 1

您可以将熊猫与seaborn结合使用，以简化此过程：

import pandas as pd
import seaborn as sns

df = sns.load_dataset("tips")
x, y, hue = "day", "proportion", "sex"
hue_order = ["Male", "Female"]

(df[x]
 .groupby(df[hue])
 .value_counts(normalize=True)
 .rename(y)
 .reset_index()
 .pipe((sns.barplot, "data"), x=x, y=y, hue=hue))

Answer 2

您可以在sns.barplotestimator中使用自己的函数，如docs：

estimator : callable that maps vector -> scalar, optional
Statistical function to estimate within each categorical bin.

对于您的情况，可以将函数定义为lambda：

sns.barplot(x='group', y='Values', data=df, estimator=lambda x: sum(x==0)*100.0/len(x))

Answer 3

可以使用库Dexplot，它能够返回分类变量的相对频率。它的API与Seaborn类似。将要获取相对频率的列传递给agg参数。如果您想用另一列对其进行细分，请使用hue参数进行细分。以下返回原始计数。

import dexplot as dxp
dxp.aggplot(agg='group', data=df, hue='Values')

要获取相对频率，请将normalize参数设置为要规范化的列。使用'all'在总计数上正常化。

dxp.aggplot(agg='group', data=df, hue='Values', normalize='group')

对'Values'列进行规范化将生成以下图表，其中所有“0”条的总数为1。

dxp.aggplot(agg='group', data=df, hue='Values', normalize='Values')