创建使用百分比而不是计数的 matplotlib 或 seaborn 直方图？

Question

具体来说，我正在处理 Kaggle Titanic 数据集。我绘制了一个堆叠直方图，显示了在泰坦尼克号上幸存和死亡的年龄。下面的代码。

figure = plt.figure(figsize=(15,8))
plt.hist([data[data['Survived']==1]['Age'], data[data['Survived']==0]['Age']], stacked=True, bins=30, label=['Survived','Dead'])
plt.xlabel('Age')
plt.ylabel('Number of passengers')
plt.legend()

我想更改图表以显示该年龄组幸存者百分比的每个箱子的单个图表。例如。如果一个 bin 包含 10-20 岁之间的年龄，并且该年龄组泰坦尼克号上 60% 的人幸存下来，那么高度将沿 y 轴排列 60%。

编辑：我可能对我正在寻找的内容给出了错误的解释。我没有更改 y 轴值，而是希望根据幸存百分比更改条形的实际形状。

图表中的第一个 bin 显示该年龄组大约有 65% 的人存活下来。我希望这个 bin 在 65% 处与 y 轴对齐。以下 bin 看起来分别为 90%、50%、10%，依此类推。

图表实际上看起来像这样：

Answer 1

pd.Series.hist 在下面使用 np.histogram。

让我们探讨一下

np.random.seed([3,1415])
s = pd.Series(np.random.randn(100))
d = np.histogram(s, normed=True)
print('\nthese are the normalized counts\n')
print(d[0])
print('\nthese are the bin values, or average of the bin edges\n')
print(d[1])

these are the normalized counts

[ 0.11552497  0.18483996  0.06931498  0.32346993  0.39278491  0.36967992
  0.32346993  0.25415494  0.25415494  0.02310499]

these are the bin edges

[-2.25905503 -1.82624818 -1.39344133 -0.96063448 -0.52782764 -0.09502079
  0.33778606  0.77059291  1.20339976  1.6362066   2.06901345]

我们可以在计算平均 bin 边缘时绘制这些图

pd.Series(d[0], pd.Series(d[1]).rolling(2).mean().dropna().round(2).values).plot.bar()

实际答案
或者

我们可以简单地将 normed=True 传递给 pd.Series.hist 方法。它将它传递给 np.histogram

s.hist(normed=True)

Answer 2

首先，如果您创建一个按年龄组拆分数据的函数会更好

# This function splits our data frame in predifined age groups
def cutDF(df):
    return pd.cut(
        df,[0, 10, 20, 30, 40, 50, 60, 70, 80], 
        labels=['0-10', '11-20', '21-30', '31-40', '41-50', '51-60', '61-70', '71-80'])


data['AgeGroup'] = data[['Age']].apply(cutDF)

然后你可以绘制你的图表如下：

survival_per_age_group = data.groupby('AgeGroup')['Survived'].mean()

# Creating the plot that will show survival % per age group and gender
ax = survival_per_age_group.plot(kind='bar', color='green')
ax.set_title("Survivors by Age Group", fontsize=14, fontweight='bold')
ax.set_xlabel("Age Groups")
ax.set_ylabel("Percentage")
ax.tick_params(axis='x', top='off')
ax.tick_params(axis='y', right='off')
plt.xticks(rotation='horizontal')             

# Importing the relevant fuction to format the y axis 
from matplotlib.ticker import FuncFormatter

ax.yaxis.set_major_formatter(FuncFormatter(lambda y, _: '{:.0%}'.format(y)))
plt.show()

Answer 3

也许以下内容会有所帮助...

根据'Survived'

拆分数据帧

df_survived=df[df['Survived']==1]
df_not_survive=df[df['Survived']==0]

创建素材箱
```
age_bins=np.linspace(0,80,21)
```

使用np.histogram生成直方图数据

survived_hist=np.histogram(df_survived['Age'],bins=age_bins,range=(0,80))
not_survive_hist=np.histogram(df_not_survive['Age'],bins=age_bins,range=(0,80))

计算每个 bin 中的存活率

surv_rates=survived_hist[0]/(survived_hist[0]+not_survive_hist[0])

情节

plt.bar(age_bins[:-1],surv_rates,width=age_bins[1]-age_bins[0])
plt.xlabel('Age')
plt.ylabel('Survival Rate')

Answer 4

library Dexplot能够返回组的相对频率。目前，您需要使用 cut 函数将 pandas 中的 age 变量装箱。然后，您可以使用 Dexplot。

titanic['age2'] = pd.cut(titanic['age'], range(0, 110, 10))

将您要计算的变量 (age2) 传递给 count 函数。使用 split 参数细分计数并按 age2 归一化。此外，这可能是堆积条形图的好时机

dxp.count('age2', data=titanic, split='survived', stacked=True, normalize='age2')

Answer 5

对于Seaborn，使用可以有多个值的参数stat，see documentation。

seaborn.histplot(
    data=data,
    x='variable',
    discrete=True,
    stat='count'
)

stat后的结果改为probability。

seaborn.histplot(
    data=data,
    x='variable',
    discrete=True,
    stat='probability'
)

根据 documentation，目前支持的 stat 参数值为：

count显示观察次数
frequency 显示观察数除以 bin 宽度
density 归一化计数，使直方图的面积为 1
probability 标准化计数，使条形高度之和为 1

创建使用百分比而不是计数的 matplotlib 或 seaborn 直方图？

Creating a matplotlib or seaborn histogram which uses percent rather than count?

python

matplotlib

dataset

histogram

pandas