如何将groupby()和value_count()转换为多个饼图/条形图

1. 数据可视化的目的是为了更容易地传达信息(例如，在本例中是每个类别的'treatments'的相对数量)
2. 条形图便于显示重要信息
   • 每组有多少人说'Yes'或'No'
   • 每个组的相对大小
3. 饼图更常用于显示样本，其中样本中的组总和为100%。
   • Wikipedia: Pie Chart
     • 研究表明，按角度比较不如按长度比较准确，因为人们辨别差异的能力较差。
     • Statisticians一般认为饼图是一种很差的信息显示方式，在科学文献中并不常见。
   • 此数据不能用饼图很好地表示，因为每个公司规模都是单独的总体，这将需要正确表示6个饼图。
   • 可以将数据放入饼图(如其他人所示)，但这并不意味着应该将其放入饼图中。

• 无论绘图类型如何，数据的形状对于绘图API都必须正确。
• 使用pandas 1.3.0、seaborn 0.11.1和matplotlib 3.4.2
测试

设置测试数据帧

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np  # for sample data only

np.random.seed(365)
cats = ['1-5', '6-25', '26-100', '100-500', '500-1000', '>1000']

data = {'no_employees': np.random.choice(cats, size=(1000,)),
        'treatment': np.random.choice(['Yes', 'No'], size=(1000,))}

df = pd.DataFrame(data)

# set a categorical order for the x-axis to be ordered
df.no_employees = pd.Categorical(df.no_employees, categories=cats, ordered=True)

  no_employees treatment
0       26-100        No
1          1-5       Yes
2        >1000        No
3      100-500       Yes
4     500-1000       Yes

pandas.DataFrame.plot()的id="plotting-with-pandas.dataframe.plot-l84f">Plotting：

• 这需要将数据帧分组以获取.value_counts，并使用pandas.DataFrame.unstack进行出栈。

# to get the dataframe in the correct shape, unstack the groupby result
dfu = df.groupby(['no_employees']).treatment.value_counts().unstack()

treatment     No  Yes
no_employees         
1-5           78   72
6-25          83   86
26-100        83   76
100-500       91   84
500-1000      78   83
>1000         95   91

# plot
ax = dfu.plot(kind='bar', figsize=(7, 5), xlabel='Number of Employees in Company', ylabel='Count', rot=0)
ax.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')

使用seaborn

• seaborn是matplotlib的高级接口

# groupby, get value_counts, and reset the index
dft = df.groupby(['no_employees']).treatment.value_counts().reset_index(name='Count')

   no_employees treatment  Count
0           1-5        No     78
1           1-5       Yes     72
2          6-25       Yes     86
3          6-25        No     83
4        26-100        No     83
5        26-100       Yes     76
6       100-500        No     91
7       100-500       Yes     84
8      500-1000       Yes     83
9      500-1000        No     78
10        >1000        No     95
11        >1000       Yes     91

# plot
p = sns.barplot(x='no_employees', y='Count', data=dft, hue='treatment')
p.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')
p.set(xlabel='Number of Employees in Company')

p = sns.countplot(data=df, x='no_employees', hue='treatment')
p.legend(title='treatment', bbox_to_anchor=(1, 1), loc='upper left')
p.set(xlabel='Number of Employees in Company')