Question

具体来说，我正在处理Kaggle Titanic数据集。我绘制了一个叠加的直方图，显示了在泰坦尼克号上幸存并死亡的年龄。代码如下。

figure = plt.figure(figsize=(15,8))
plt.hist([data[data['Survived']==1]['Age'], data[data['Survived']==0]['Age']], stacked=True, bins=30, label=['Survived','Dead'])
plt.xlabel('Age')
plt.ylabel('Number of passengers')
plt.legend()

我想改变图表，以显示幸存的年龄组中每个容器的单个图表。例如。如果一个箱子里面的年龄在10到20岁之间，那个年龄段的泰坦尼克号上有60％的人幸免于难，那么沿着y轴的高度就会增加60％。

编辑：我可能对我正在寻找的内容给出了不好的解释。我没有改变y轴值，而是希望根据幸存的百分比来改变条形的实际形状。

图表上的第一个区域显示该年龄组中大约65％存活。我希望这个箱子与y轴在65％处对齐。以下垃圾箱分别为90％，50％，10％等等。

图表最终会看起来像这样：

Answer 1

pd.Series.hist使用下面的np.histogram。

让我们探索一下

np.random.seed([3,1415])
s = pd.Series(np.random.randn(100))
d = np.histogram(s, normed=True)
print('\nthese are the normalized counts\n')
print(d[0])
print('\nthese are the bin values, or average of the bin edges\n')
print(d[1])

these are the normalized counts

[ 0.11552497  0.18483996  0.06931498  0.32346993  0.39278491  0.36967992
  0.32346993  0.25415494  0.25415494  0.02310499]

these are the bin edges

[-2.25905503 -1.82624818 -1.39344133 -0.96063448 -0.52782764 -0.09502079
  0.33778606  0.77059291  1.20339976  1.6362066   2.06901345]

我们可以在计算平均箱边缘时绘制这些

pd.Series(d[0], pd.Series(d[1]).rolling(2).mean().dropna().round(2).values).plot.bar()

实际答案
OR

我们可以简单地将normed=True传递给pd.Series.hist方法。将其传递给np.histogram

s.hist(normed=True)

Answer 2

也许以下内容会有所帮助......

根据'Survived'

拆分数据框

df_survived=df[df['Survived']==1]
df_not_survive=df[df['Survived']==0]

创建分档
```
age_bins=np.linspace(0,80,21)
```

使用np.histogram生成直方图数据

survived_hist=np.histogram(df_survived['Age'],bins=age_bins,range=(0,80))
not_survive_hist=np.histogram(df_not_survive['Age'],bins=age_bins,range=(0,80))

计算每个箱子的存活率

surv_rates=survived_hist[0]/(survived_hist[0]+not_survive_hist[0])

剧情

plt.bar(age_bins[:-1],surv_rates,width=age_bins[1]-age_bins[0])
plt.xlabel('Age')
plt.ylabel('Survival Rate')

Answer 3

对于 Seaborn，使用参数 stat，它可以有多个值，see documentation。

seaborn.histplot(
    data=data,
    x='variable',
    discrete=True,
    stat='count'
)

stat 后的结果更改为 probability。

seaborn.histplot(
    data=data,
    x='variable',
    discrete=True,
    stat='probability'
)

根据 documentation，目前支持的 stat 参数值为：

count 显示观察次数
frequency 显示观察数除以 bin 宽度
density 对计数进行归一化，使直方图的面积为 1
probability 对计数进行标准化，使条形高度的总和为 1

Answer 4

首先，如果您创建一个在年龄组中分割数据的函数

，那会更好

# This function splits our data frame in predifined age groups
def cutDF(df):
    return pd.cut(
        df,[0, 10, 20, 30, 40, 50, 60, 70, 80], 
        labels=['0-10', '11-20', '21-30', '31-40', '41-50', '51-60', '61-70', '71-80'])


data['AgeGroup'] = data[['Age']].apply(cutDF)

然后您可以按如下方式绘制图表：

survival_per_age_group = data.groupby('AgeGroup')['Survived'].mean()

# Creating the plot that will show survival % per age group and gender
ax = survival_per_age_group.plot(kind='bar', color='green')
ax.set_title("Survivors by Age Group", fontsize=14, fontweight='bold')
ax.set_xlabel("Age Groups")
ax.set_ylabel("Percentage")
ax.tick_params(axis='x', top='off')
ax.tick_params(axis='y', right='off')
plt.xticks(rotation='horizontal')             

# Importing the relevant fuction to format the y axis 
from matplotlib.ticker import FuncFormatter

ax.yaxis.set_major_formatter(FuncFormatter(lambda y, _: '{:.0%}'.format(y)))
plt.show()

Answer 5

库Dexplot能够返回组的相对频率。当前，您需要使用age函数将cut变量绑定到熊猫中。然后，您可以使用Dexplot。

titanic['age2'] = pd.cut(titanic['age'], range(0, 110, 10))

将要计数的变量（age2传递给agg参数。用hue参数细分计数，并用age2归一化。另外，这可能是堆积条形图的好时机

dxp.aggplot(agg='age2', data=titanic, hue='survived', stacked=True, normalize='age2')

创建使用百分比而不是计数的matplotlib或seaborn直方图？

5 个答案: