如何绘制堆积条形图以汇总每个分类列的值比例

Question

我有一个这样的数据框：

    user_id     action          action_type     action_detail   device_type secs_elapsed
0   d1mm9tcy42  lookup          Missing         Missing         Windows Desktop 319
1   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 67753
2   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 301
3   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 22141
4   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 435
5   d1mm9tcy42  search_results  click           view_search_results Windows Desktop 7703
6   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 115
7   d1mm9tcy42  personalize     data            wishlist_content_update Windows Desktop 831
8   d1mm9tcy42  index           view            view_search_results Windows Desktop 20842
9   d1mm9tcy42  lookup          Missing         Missing Windows Desktop 683

我想设置一个条形图，它在x轴上有分类列，例如action，action_type和action_detail以及y轴上具有值Missing，{{1}的行数的百分比计数（对于每列） （你不能在这里看到这个，但有些列确实有这个值）和Unknown（任何不是Other或Missing的东西。）

我正在努力解决的一件事是如何查看Unknown列中的每个值，action和action_type分别是丢失或未知的百分比是多少？ 。例如行动action_detail发生100次，在这些时间内，有20％的时间存在lookup Missing等。

我通过这种类型的代码得到了这个：

action_type

但我希望将我的分析提升到新的水平。

Answer 1

1. 摆脱不相关的列。
2. 将所有值设为('Missing', 'Unknown', 'Other')。
3. 在每列上调用value_counts。
4. 当值不在列中时，计数将为nan而不是0，因此您可能希望在结尾使用fillna(0)。
5. 您已经拥有了所需的数据，只需绘制它。

-

result = (df[['action', 'action_type', 'action_detail']]
 .where(df.isin(('Missing', 'Unknown')), 'Other')
 .apply(lambda x: x.value_counts(normalize=True))
 .fillna(0))
print(result)

         action  action_type  action_detail
Missing       0          0.5            0.5
Other         1          0.5            0.5

result.T.plot(kind='bar', stacked=True)