Как сделать категориальную линейчатую диаграмму pandas масштабируемой до 100%

Я пытаюсь создать гистограмму с накоплением на основе подсчета различных категорий (столбец «Класс» в моем фрейме данных).

Мои данные также сгруппированы по другой категории (столбец «STRAT»).

У меня есть фактические цифры, но я хочу, чтобы они были равны 100%. т.е. так что все столбцы представляют собой полную высоту диаграммы, как вертикальная круговая диаграмма, для каждой категории «STRAT».

Вот так:Как сделать категориальную линейчатую диаграмму pandas масштабируемой до 100%

Ниже то, что я пробовал, и результат.

Образец — это небольшая часть большого набора данных.

import pandas as pd

df_test= pd.read_excel('df.xlsx')

df_test

From    To  Interval (m)    Class   STRAT   Total %S
308     309    1            PAF     CBC     4.15
309     310    1            PAF     CBC     3.76
320     321    1            UC      CBC     0.85
330     331    1            UC      CBC     0.698
342     343    1            NAF     LBB     0.259
376     377    1            NAF     LBB     0.395
412     413    1            UC      LBB     1.19
51      52     1            PAF     UBB     2.27
420     420.5  0.5          UC      UAB     2.85
189     190    1            PAF     LBB     1.52
520     521    1            NAF     UAB     1.45
632     633    1            NAF     UAB     0.0615
644     645    1            NAF     UAB     0.178


df_test.groupby(['STRAT', 'Class']).size().unstack().plot.bar(stacked=True)

Это дает мне гистограмму с накоплением, но она не масштабируется до 100%.

Как сделать категориальную линейчатую диаграмму pandas масштабируемой до 100%

Я не могу найти удобный способ поместить в код вычисление «счетчик классов/общее количество», чтобы получить процент вместо числа.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
5 039
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете многое сделать с помощью matplotlib, чтобы принудительно масштабировать ось Y, чтобы она нормализовала все до 100%, как показано здесь: Столбчатая диаграмма со 100% накоплением в MatPlotLib

Однако вашу проблему можно решить намного проще.

Если это ваш фрейм данных с двумя ключевыми столбцами, Class и STRAT:

import pandas as pd
import numpy as np
df = pd.DataFrame({'Class': 2*['a', 'b', 'c', 'd'],'STRAT': 'x', 'y', 'x', 'z','y','x','z','w'],'value': np.random.randint(0, int(1e2),8)})

Затем вы можете легко рассчитать% ges следующим образом:

df_pct = (df.groupby(['STRAT','Class'])['value'].count()/df.groupby(['STRAT'])['value'].count())

И, наконец, вы можете построить график, используя именно то, что у вас есть в вашем коде:

df_pct.unstack().plot.bar(stacked=True)

Так что не имеет значения, какой столбец я использую для «значения», если в каждой строке есть значение, поскольку оно подсчитывает записи, а не числовые значения?

flashliquid 22.05.2019 18:12

Правильно - если записи не "нанс", все должно быть хорошо.

HMReliable 22.05.2019 18:28

Другие вопросы по теме