标记从NaN类别分组的Pandas DataFrame创建的条形图

Question

我创建了一个很好且整洁的分组数据框，然后在一个简单的seabar barplot中使用该数据。 但是，当我尝试向标签添加标签时，出现以下错误：

ValueError：无法将float NaN转换为整数

我知道这是因为分组类别之一只有一个值（而不是两个）。 如何将其标记为“ 0”？

我已经整整一天在兔子洞里走了，什么也没发现。 以下是我尝试过的方法（以许多不同方式）：

• 在分组的数据框中插入一行。
• 使用pd.fillna() 。
• 创建一个要在labeling子句中应用的函数。

我处理大量经常遇到此类问题的数据，因此我非常感谢您为解决此问题提供的帮助。 似乎很简单。 我想念什么？ 谢谢！

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# my initial data set 
d = {'year' : [2014,2014,2014,2015,2015,],
     'status' : ["n","y","n","n","n"],
     'num' : [1,1,1,1,1]}
df = pd.DataFrame(d)

# groupby to create another dataframe
df2 = (df["status"]
    .groupby(df["year"])
    .value_counts(normalize=True)
    .rename("Percent")
    .apply(lambda x: x*100)
    .reset_index())

# create my bar plot
f = plt.figure(figsize = (11,8.5))

ax1 = plt.subplot(2,2,1)
sns.barplot(x="year",
           y="Percent",
           hue="status",
           hue_order = ["n","y"],
           data=df2,
           ci = None)

# label the bars
for p in ax1.patches:
    ax1.text(p.get_x() + p.get_width()/2., p.get_height(), '%d%%' % round(p.get_height()), 
        fontsize=10, color='red', ha='center', va='bottom')

plt.show()

Answer 1

如果p.get_height()返回NaN，则p.get_height()通过将高度设置为零来处理空条情况：

for p in ax1.patches:
    height = p.get_height()
    if np.isnan(height):
        height = 0
    ax1.text(p.get_x() + p.get_width()/2., height, '%d%%' % round(height), 
        fontsize=10, color='red', ha='center', va='bottom')

给我

另外，您可以扩展框架以确保其中的值为零：

non_data_cols = df2.columns.drop("Percent")
full_index = pd.MultiIndex.from_product([df[col].unique() for col in non_data_cols], names=non_data_cols)
df2 = df2.set_index(non_data_cols.tolist()).reindex(full_index).fillna(0).reset_index()

扩展给我

In [74]: df2
Out[74]: 
   year status     Percent
0  2014      n   66.666667
1  2014      y   33.333333
2  2015      n  100.000000
3  2015      y    0.000000

Answer 2

当您处理缺少类别的数据时，可以采用的常见技巧是堆叠和堆叠数据。 总体思路可以从这个答案中看出。 格式化数据后，您就可以使用填充值（在这种情况下为0）进行填充，并保持代码fillna 。

您所要做的就是用以下代码替换当前创建的df2 。

---

df2 = (df.groupby('year').status.value_counts(normalize=True).mul(100)
          .unstack().stack(dropna=False).fillna(0)
          .rename('Percent').reset_index())

这给了我们：

   year status     Percent
0  2014      n   66.666667
1  2014      y   33.333333
2  2015      n  100.000000
3  2015      y    0.000000

现在，在不更改绘图代码的情况下，我得到以下输出：