重新排列熊猫数据框以分组条形图

Question

我有一个大致如下的熊猫数据框：

df = pd.DataFrame(data, columns=["property_1", "property_2", "value"], index=my_index)

my_index    property_1    property_2    value
<1, 1, 1>   "A"           "X"           ...
<1, 1, 1>   "A"           "Y"           ...
<1, 1, 2>   "A"           "X"           ...
<1, 1, 4>   "A"           "X"           ...
<1, 1, 4>   "A"           "Y"           ...
<1, 1, 4>   "B"           "X"           ...
<1, 1, 4>   "B"           "Y"           ...

我想生成一个如下的分组条形图：

这很复杂，但是基本上是：

1. 我需要将my_index减少为唯一索引，这些唯一索引对于property_1和property_2的每种组合都有一个值
2. 我需要找到property_1 AND property_2的唯一组合，而不仅仅是每个列的唯一值！
3. 我正在尝试主要按my_index分组，然后按property_1和property_2的组合分组

我猜想，要解决此问题的方法是通过使用具有以下布局的数据框：

my_index    A-X    A-Y    B-X    B-Y    ... 
<1, 1, 1>   ...    ...    NaN    NaN    ...
<1, 1, 2>   ...    ...    NaN    NaN    ...

以此类推。然后，可以删除其中包含任何NaN值的列。然后，您可以仅在该结果数据帧上调用df.plot.bar(...)。

但是我不确定如何以这种方式将这些行重新排列为列。有人有什么想法吗？

编辑：我应该注意，我不需要用熊猫回答，我只是问是否有答案。如果没有，我可以自己整理数据。但是，也许熊猫具有使这种工作变得更轻松的妙趣横生。

Answer 1

我可能错误地理解了您的问题。但是，让我提出一些可能对您有所帮助的步骤。

首先，从列unique_property和property_1中添加一列property_2，然后（如果需要）删除后面的两列。

df[`unique_property`] = df.property_1 + df.property_2
df.drop(['property_1', 'property_2'], axis=1, inplace=True)

然后，我们可以绘制按my_index和unique_property分组的数据框。

fig, ax = plt.subplots()
ax.set_xticks(df['my_index'].unique()) # this sets x axis.
df.groupby(["my_index", "unique_property"]).mean()['value'].unstack().plot(kind='bar', ax=ax)

最后一行的说明。

df.groupby(["my_index", "unique_property"]).mean()['value']

以上代码将为我们提供value的系列，按my_index和unique_property分组。如果直接绘制它，则将获得（my_index，unique_property）中唯一值的所有组合作为x轴。这就是为什么我们需要

unstack()。

就像my_index中的唯一值变成行而unique_property中的唯一值变成列一样。

默认情况下，它将为不完整的数据生成NaN值，例如对于my_index = <1,1,1>，只有AX和AY才有值，然后BX和BY将由NaN值填充。例如，我们可以将NaN替换为some_value，然后替换unstack(fill_value=some_value)。