0
418
ViewsCómo trazar un gráfico de barras de conteo con Pandas DF, agrupando por una columna categórica y coloreando por otra
Tengo un marco de datos que se ve más o menos así:
Property Name industry 1 123 name1 industry 1 1 144 name1 industry 1 2 456 name2 industry 1 3 789 name3 industry 2 4 367 name4 industry 2 . ... ... ... . ... ... ... n 123 name1 industry 1Quiero hacer un gráfico de barras que represente cuántas filas hay para cada uno de los nombres y colorear las barras según la industria. He intentado algo como esto:
ax = df['name'].value_counts().plot(kind='bar', figsize=(14,8), title="Number for each Owner Name") ax.set_xlabel("Owner Names") ax.set_ylabel("Frequency")me sale lo siguiente:
Mi pregunta es cómo coloreo las barras de acuerdo con la columna de la industria en el marco de datos (y agrego una leyenda).
¡Gracias!
3 answers
Answer question0
Esta es mi respuesta:
def plot_bargraph_with_groupings(df, groupby, colourby, title, xlabel, ylabel): """ Plots a dataframe showing the frequency of datapoints grouped by one column and coloured by another. df : dataframe groupby: the column to groupby colourby: the column to color by title: the graph title xlabel: the x label, ylabel: the y label """ import matplotlib.patches as mpatches # Makes a mapping from the unique colourby column items to a random color. ind_col_map = {x:y for x, y in zip(df[colourby].unique(), [plt.cm.Paired(np.arange(len(df[colourby].unique())))][0])} # Find when the indicies of the soon to be bar graphs colors. unique_comb = df[[groupby, colourby]].drop_duplicates() name_ind_map = {x:y for x, y in zip(unique_comb[groupby], unique_comb[colourby])} c = df[groupby].value_counts().index.map(lambda x: ind_col_map[name_ind_map[x]]) # Makes the bargraph. ax = df[groupby].value_counts().plot(kind='bar', figsize=FIG_SIZE, title=title, color=[c.values]) # Makes a legend using the ind_col_map legend_list = [] for key in ind_col_map.keys(): legend_list.append(mpatches.Patch(color=ind_col_map[key], label=key)) # display the graph. plt.legend(handles=legend_list) ax.set_xlabel(xlabel) ax.set_ylabel(ylabel) 
0
Usar seaborn.countplot
import seaborn as sns sns.set(style="darkgrid") titanic = sns.load_dataset("titanic") ax = sns.countplot(x="class", data=titanic)Consulte la documentación de seaborn https://seaborn.pydata.org/generated/seaborn.countplot.html
0
Puede ser un poco demasiado complicado, pero esto hace el trabajo. Primero definí las asignaciones de nombre a industria y de industria a color (parece que solo hay dos industrias, pero puede ajustar el diccionario a su caso):
ind_col_map = { "industry1": "red", "industry2": "blue" } unique_comb = df[["Name","industry"]].drop_duplicates() name_ind_map = {x:y for x, y in zip(unique_comb["Name"],unique_comb["industry"])}Luego, el color se puede generar utilizando las dos asignaciones anteriores:
c = df['Name'].value_counts().index.map(lambda x: ind_col_map[name_ind_map[x]]) Finalmente, solo necesita agregar color a su función de trazado:
ax = df['Name'].value_counts().plot(kind='bar', figsize=(14,8), title="Number for each Owner Name", color=c) ax.set_xlabel("Owner Names") ax.set_ylabel("Frequency") plt.show() 