如何绘制堆积条形图以汇总每个分类列的值比例

Question

我有这样一个数据框：

    user_id     action          action_type     action_detail   device_type secs_elapsed
0   d1mm9tcy42  lookup          Missing         Missing         Windows Desktop 319
1   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 67753
2   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 301
3   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 22141
4   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 435
5   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 7703
6   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 115
7   d1mm9tcy42  personalize     data            wishlist_content_update Windows Desktop 831
8   d1mm9tcy42  index           view            view_search_results Windows Desktop 20842
9   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 683

我想设置一个在 x 轴上有分类列的条形图，例如action、action_type 和 action_detail，以及在 y 轴上具有值 Missing、[=16= 的行数的百分比计数（对于每列） ]（你在这里看不到这个，但有些列确实有那个值）和 Other（任何不是 Missing 或 Unknown 的东西）。

我苦苦挣扎的一件事也是如何查看 action 列中的每个值，action_type 和 action_detail 分别丢失的百分比是多少或未知。例如动作 lookup 发生了 100 次，其中 20% 的时间是 Missing action_type 等

我已经通过这种类型的代码找到了答案：

print("The percentage of missing action types is {0}".format
     (((clean_sessions['action_type'] == 'Missing').value_counts())/(clean_sessions['action_type'].count())
    ))

但我想将我的分析提升到一个新的水平。

Answer 1

删除不相关的列。
使所有值都在 ('Missing', 'Unknown', 'Other').
在每列上调用 value_counts。
当值不在列中时，计数将是 nan 而不是 0，因此您可能希望在末尾使用 fillna(0)。
您已经有了所需的数据，只需绘制即可。

-

result = (df[['action', 'action_type', 'action_detail']]
 .where(df.isin(('Missing', 'Unknown')), 'Other')
 .apply(lambda x: x.value_counts(normalize=True))
 .fillna(0))
print(result)

         action  action_type  action_detail
Missing       0          0.5            0.5
Other         1          0.5            0.5

result.T.plot(kind='bar', stacked=True)

如何绘制堆积条形图以汇总每个分类列的值比例

How to plot stacked bar chart to summarise each categorical column for proportion of values

numpy

pandas

missing-data

data-analysis