如何对 seaborn 中的轴进行排序,以便显示具有最多值的类别
How to sort axes in seaborn so that categories with most values are displayed
我有一个包含大约 32 万条记录的数据集。其中,我想在 x 轴(在本例中为 Refined_ID
)中按数量显示该类别的前 20 个实体的群图。怎样才能做到这一点?例如,如果我的数据是:
Refined_ID Refined_Age Name
e123 21 foo1
f123 19 bar1
z123 26 foo2
f123 29 bar2
e123 20 foo1
e1342 19 bar3
f123 20 foo3
我希望我的 x 轴排序为:
e123 f123 z123
这是我的代码:
g = sns.swarmplot(x = dfAnalysis['Refined_ID'].iloc[:20],y = dfAnalysis['Refined_Age'], hue = dfAnalysis['Name'], orient="v")
g.set_xticklabels(g.get_xticklabels(),rotation=30)
由于数据框非常大,我将视图限制为前 20 行以进行测试。
更新 1
假设没有办法在 seaborn 中对轴进行动态排序,这就是我希望输出的样子:
Refined_ID Refined_Age Name Count_of_Refined_ID
e123 21 foo1 2
f123 19 bar1 3
z123 26 foo2 1
f123 29 bar2 3
e123 20 foo1 3
e1342 19 bar3 1
f123 20 foo3 3
从这个数据框中,我想根据它们的数量绘制前两个 Refined_ID
。在这种情况下,这两个类别将是 e123
和 f123
。该地块将有:
x-axis: Refined ID (e123 and f123)
y-axis: Refined_Age (0 to 30)
Hue: Based on Name
这是你想要的吗?
counts = df['Refined_ID'].value_counts()
ix = (df['Refined_ID'].apply(lambda x: counts[x])
.sort_values(ascending=False).index)
df.reindex(ix)
Refined_ID Refined_Age Name
6 f123 20 foo3
3 f123 29 bar2
1 f123 19 bar1
4 e123 20 foo1
0 e123 21 foo1
5 e1342 19 bar3
2 z123 26 foo2
我有一个包含大约 32 万条记录的数据集。其中,我想在 x 轴(在本例中为 Refined_ID
)中按数量显示该类别的前 20 个实体的群图。怎样才能做到这一点?例如,如果我的数据是:
Refined_ID Refined_Age Name
e123 21 foo1
f123 19 bar1
z123 26 foo2
f123 29 bar2
e123 20 foo1
e1342 19 bar3
f123 20 foo3
我希望我的 x 轴排序为:
e123 f123 z123
这是我的代码:
g = sns.swarmplot(x = dfAnalysis['Refined_ID'].iloc[:20],y = dfAnalysis['Refined_Age'], hue = dfAnalysis['Name'], orient="v")
g.set_xticklabels(g.get_xticklabels(),rotation=30)
由于数据框非常大,我将视图限制为前 20 行以进行测试。
更新 1
假设没有办法在 seaborn 中对轴进行动态排序,这就是我希望输出的样子:
Refined_ID Refined_Age Name Count_of_Refined_ID
e123 21 foo1 2
f123 19 bar1 3
z123 26 foo2 1
f123 29 bar2 3
e123 20 foo1 3
e1342 19 bar3 1
f123 20 foo3 3
从这个数据框中,我想根据它们的数量绘制前两个 Refined_ID
。在这种情况下,这两个类别将是 e123
和 f123
。该地块将有:
x-axis: Refined ID (e123 and f123)
y-axis: Refined_Age (0 to 30)
Hue: Based on Name
这是你想要的吗?
counts = df['Refined_ID'].value_counts()
ix = (df['Refined_ID'].apply(lambda x: counts[x])
.sort_values(ascending=False).index)
df.reindex(ix)
Refined_ID Refined_Age Name
6 f123 20 foo3
3 f123 29 bar2
1 f123 19 bar1
4 e123 20 foo1
0 e123 21 foo1
5 e1342 19 bar3
2 z123 26 foo2