Question

问题：我正在将结果分组到我的DataFrame中，查看value_counts(normalize=True)并尝试将结果绘制在条形图中。

问题在于小程序应包含频率。在某些组中，某些值不会出现。在这种情况下，对应的value_count不为0，因此不存在。对于条形图，该0值未考虑在内，结果条形太大。

示例：这是一个最小的示例，它说明了问题：假设DataFrame包含实验观察值。执行此类实验时，将收集一系列观察结果。实验的结果是为此收集的观测值的相对频率。

df = pd.DataFrame()

df["id"] = [1]*3 + [2]*3 + [3]*3
df["experiment"] = ["a"]*6 + ["b"] * 3
df["observation"] = ["positive"]*3 + ["positive"]*2 + ["negative"]*1 + ["positive"]*2 + ["negative"]*1

有两种实验类型，“ a”和“ b”
观测值具有相同的ID。

因此，在这里，实验a已完成2次，实验b仅进行了一次。

我需要按ID分组并进行实验，然后取平均结果。

plot_frame = pd.DataFrame(df.groupby(["id", "experiment"])["observation"].value_counts(normalize=True))
plot_frame = plot_frame.rename(columns={"observation":"percentage"})

在上图中，您已经可以看到问题。 id为1的评估仅看到了积极的观察结果。 “负”的相对频率应为0。相反，它不存在。如果我将其绘制出来，则对应的条形太高，蓝色条形应合计为一个：

sns.barplot(data=plot_frame.reset_index(), 
            x="observation", 
            hue="experiment", 
            y="percentage")

plt.show()

Answer 1

您可以使用带有参数unstack的{{1}} / stack方法添加用0填充的行。试试这个：

fill_value=0

Answer 2

通过遍历索引并手动填写缺失值，我发现了一个有问题的解决方案：

for a,b,_ in plot_frame.index:
    if (a,b,"negative") not in plot_frame.index:
        plot_frame.loc[(a,b,"negative"), "percentage"] = 0

现在，这将产生所需的绘图：

我不太喜欢这种解决方案，因为它非常适合我的索引，并且如果类别变得更加复杂，可能无法很好地扩展

熊猫为value_counts（）

2 个答案: