Question

我正在寻找一种基于一个类别在同一视图中生成单个绘图的编程方式。

[示例]想象以下DF：

country       agg_meat_consumption_tons       month
  US                  300                      JAN
  BR                  100                      JAN
  IN                  10                       JAN
  RU                  200                      JAN
  US                  400                      FEB
  BR                  300                      FEB
  IN                  5                        FEB
  RU                  240                      FEB
  US                  150                      MAR
  BR                  90                       MAR
  IN                  10                       MAR
  RU                  400                      MAR

如果我想生成一个图表来说明每个国家/地区的消费数量，我知道我可以写下这样的内容：

df_pv = df.pivot_table(
    values='agg_meat_consumption_tons',
    index='month',
    columns='country')

但是，我想为每个国家/地区生成单独的图表，并在同一视图中打印所有结果。基本上，一些程序化的东西可以让我避免为每个国家写这样的东西：

df_us = df[df['country']=='US']
df_us_pv = df_us.pivot_table(
    values='agg_meat_consumption_tons',
    index='month',
    columns='country')

提前致谢！

Answer 1

更新了我对你下面评论的回答 - 我对matplotlib不是很了不起，但这会让你获得90％的回报。其他任何人请随时添加/编辑。

import datetime
import matplotlib.pyplot as plt
# %matplotlib inline

df
Out[12]: 
   country  consump  veg_amt month
0       US      300       94   JAN
1       BR      100       38   JAN
2       IN       10       40   JAN
3       RU      200       97   JAN
4       US      400       73   FEB
..     ...      ...      ...   ...
7       RU      240       20   FEB
8       US      150       72   MAR
9       BR       90       39   MAR
10      IN       10       46   MAR
11      RU      400       79   MAR

# Map month text values to numeric for sorting, remap later
months = ({(datetime.datetime(2000,i,1).strftime("%b")).upper(): 
           i for i in range(1, 13)})
inv_month  = {v: k for k, v in months.items()}

ptable = df.pivot_table(
    values=['consump', 'veg_amt'],
    index=df.month.map(months),
    columns='country')

ptable = ptable.swaplevel(axis=1).sort_index(axis=1)
ptable.index = Series(ptable.index).map(inv_month)

ptable
Out[86]: 
country      BR              IN              RU              US        
        consump veg_amt consump veg_amt consump veg_amt consump veg_amt
month                                                                  
JAN         100      38      10      40     200      97     300      94
FEB         300      54       5      74     240      20     400      73
MAR          90      39      10      46     400      79     150      72

cols = ptable.columns.get_level_values(0).unique()
num_countries = len(df.country.unique())

fig, axes = plt.subplots(num_countries, sharex=True)
for col, num in zip(cols, range(num_countries)):
    ptable.xs(col, axis=1).plot(ax=axes[num])

Answer 2

你可以尝试使用循环吗？您是否正在为每个国家/地区寻找单独的桌子？如果是的话：

# Turning that column to a list
country = df['country'].tolist()

for country in country:
    df_us = df[df['country']==str(country)]
    df_us_pv = df_us.pivot_table(
    values='agg_meat_consumption_tons',
    index='month',
    columns='country')

    # just printing for output
    print(df_us_pv)

在Pandas中显示每个类别1图表

2 个答案: