熊猫绘制“分组依据”结果的子图

Question

当我尝试按操作按组获取层级索引上的条形图时，我对我（差）的Pandas知识感到困惑。

我的数据看起来像这样

id, val, cat1, cat2

然后创建一个层次索引：

df_group = df_len.groupby(['cat1','cat2'])

我想为每个cat1对象获取一份hbar图 ，其中列出了所有cat2对象，其中列出了其中所有cat1对象的值。

我的方法均无效：

• df_group.plot(...)
• for name, group in df_group: .... group.plot(...)
• df_group.xs(...)实验

结果应该看起来像这样一个

我想我只是不了解pandas ， matplotlib ，... -internals的知识，绘制几百个项目并不难（cat2 <10，cat1 = 30）

。

Answer 1

我建议使用seaborn进行此类多面图绘制。 在matplotlib中执行此操作非常棘手，因为该库的级别很低。 Seaborn在此用例方面表现出色。

Answer 2

好的，这就是我终于解决的方法：

dfc = df_len.groupby(['cat1','cat2']).count().reset_index()
dfp=dfc.pivot(index="cat1",columns="cat2")
dfp.columns = dfp.columns.get_level_values(1)
dfp.plot(kind='bar', figsize=(15, 5), stacked=True);

简而言之：我使用数据透视表转置矩阵，然后能够自动绘制单个cols，在此处的示例2中 。

Answer 3

在matplotlib不是那么棘手，请参阅：

In [54]:

print df
  cat1  cat2       val
0    A     1  0.011887
1    A     2  0.880121
2    A     3  0.034244
3    A     4  0.530230
4    B     1  0.510812
5    B     2  0.405322
6    B     3  0.406259
7    B     4  0.406405
In [55]:

col_list = ['r', 'g']
ax = plt.subplot(111)
for (idx, (grp, val)) in enumerate(df.groupby('cat1')):
    ax.bar(val.cat2+0.25*idx-0.25, 
           val.val, width=0.25,  
           color=col_list[idx], 
           label=grp)
plt.legend()