如何绘制比较不同数据帧子集的分布图
How to plot a distribution graph comparing subsets of different DataFrames
我有两个 DataFrame，我想比较每个 DataFrame 中特定项目的分布/密度。
例如，如果我想比较 'Amy' 和 'Andrew'：
df1
| Count |
ID
Amy | 5 |
Chris | 4 |
Gabe | 2 |
df2
| Count |
ID
Andrew | 2 |
Chloe | 3 |
Georgia | 1 |
我已经计算出以下内容，但我现在不确定如何在图表中绘制它：
Amy_dist = df1.loc['Amy'] / df1.sum(axis=1)
Andrew_dist = df2.loc['Andrew'] / df2.sum(axis=1)
其中：Amy_dist = 45.5% 和 Andrew_dist = 33.3%
我不知道如何绘制比较这两个数字的两个条形图。如有任何建议，我们将不胜感激！
试试这样的条形图？
plt.bar(['Amy','Andrew'], [Amy_dist, Andrew_dist])
- 合并两组数据会更直接，前提是合并的
'ID' 名称是唯一的，或者在合并数据帧之前创建一个新的唯一索引。
- 这样，就不需要对特定人员进行硬编码，例如
Amy_dist = df1.loc['Amy'] / df1.sum(axis=1)。
- 在组合数据框中，使用
.groupby获取每组'Count'列的sum，然后divide每个'Count'组的总和，得到百分比。
import pandas as pd
# test data
df1 = pd.DataFrame({'Count': [5, 4, 2], 'ID': ['Amy', 'Chris', 'Gabe']}).set_index('ID')
df2 = pd.DataFrame({'Count': [2, 3, 1], 'ID': ['Andrew', 'Chloe', 'Georgia']}).set_index('ID')
# create a new column in each dataframe to identify where the data is from
df1['from'] = 1
df2['from'] = 2
# combine the dataframes
df = pd.concat([df1, df2])
# create a norm column, which is the percent of the total based on the group
df['norm'] = df.Count.div(df.groupby('from').Count.transform('sum')).mul(100).round(2)
# display(df)
Count from norm
ID
Amy 5 1 45.45
Chris 4 1 36.36
Gabe 2 1 18.18
Andrew 2 2 33.33
Chloe 3 2 50.00
Georgia 1 2 16.67
绘制所有数据
df.plot(y='norm', kind='bar', grid=True, legend=False)
绘制特定人物
- 使用
.loc指定个人
df.loc[['Amy', 'Andrew'], 'norm'].plot(kind='bar')
与seaborn
import seaborn as sns
sns.barplot(data=df.reset_index(), x='ID', y='norm', hue='from', dodge=False)
我有两个 DataFrame，我想比较每个 DataFrame 中特定项目的分布/密度。
例如，如果我想比较 'Amy' 和 'Andrew'：
df1
| Count |
ID
Amy | 5 |
Chris | 4 |
Gabe | 2 |
df2
| Count |
ID
Andrew | 2 |
Chloe | 3 |
Georgia | 1 |
我已经计算出以下内容，但我现在不确定如何在图表中绘制它：
Amy_dist = df1.loc['Amy'] / df1.sum(axis=1)
Andrew_dist = df2.loc['Andrew'] / df2.sum(axis=1)
其中：Amy_dist = 45.5% 和 Andrew_dist = 33.3%
我不知道如何绘制比较这两个数字的两个条形图。如有任何建议，我们将不胜感激！
试试这样的条形图？
plt.bar(['Amy','Andrew'], [Amy_dist, Andrew_dist])
- 合并两组数据会更直接，前提是合并的
'ID'名称是唯一的，或者在合并数据帧之前创建一个新的唯一索引。 - 这样，就不需要对特定人员进行硬编码，例如
Amy_dist = df1.loc['Amy'] / df1.sum(axis=1)。 - 在组合数据框中，使用
.groupby获取每组'Count'列的sum，然后divide每个'Count'组的总和，得到百分比。
import pandas as pd
# test data
df1 = pd.DataFrame({'Count': [5, 4, 2], 'ID': ['Amy', 'Chris', 'Gabe']}).set_index('ID')
df2 = pd.DataFrame({'Count': [2, 3, 1], 'ID': ['Andrew', 'Chloe', 'Georgia']}).set_index('ID')
# create a new column in each dataframe to identify where the data is from
df1['from'] = 1
df2['from'] = 2
# combine the dataframes
df = pd.concat([df1, df2])
# create a norm column, which is the percent of the total based on the group
df['norm'] = df.Count.div(df.groupby('from').Count.transform('sum')).mul(100).round(2)
# display(df)
Count from norm
ID
Amy 5 1 45.45
Chris 4 1 36.36
Gabe 2 1 18.18
Andrew 2 2 33.33
Chloe 3 2 50.00
Georgia 1 2 16.67
绘制所有数据
df.plot(y='norm', kind='bar', grid=True, legend=False)
绘制特定人物
- 使用
.loc指定个人
df.loc[['Amy', 'Andrew'], 'norm'].plot(kind='bar')
与seaborn
import seaborn as sns
sns.barplot(data=df.reset_index(), x='ID', y='norm', hue='from', dodge=False)