Question

我知道有人问过 this similar question；但是，如果可能的话，我正在寻找进一步的澄清以更好地理解 .groupby。 Data used

我想要完全相同的结果，但使用 .groupby()：

df.pivot(columns='survived').age.plot.hist()

所以我尝试：

df.groupby('age')['survived'].count().plot.hist()

x 轴看起来不对。有什么方法可以使用纯 .groupby() 方法获得与 .pivot() 相同的结果吗？谢谢。

Answer 1

我赞成这个问题，因为 pivot 和 groupby 之间存在非常细微的区别。我认为您正在寻找与此类似的内容：

df.groupby('age').size().plot.bar(width=1)
plt.show()

但是，我不认为通过分组获得相同结果的合理方法是因为 hist() 需要原始形式的观察，而 groupby 被设计为跟随一个函数，该函数将转换数据（例如 count、min、mean 等）。

要看到这一点，请注意通过按 age 分组然后使用 count，您不再拥有年龄的原始数组。例如，对 40 岁的人进行了 13 次观察。原始数据看起来像 (40, 40, ... , 40, 40)，而分组计数看起来像：

age  count
 40     13

这不是直方图的数据应该是什么样子。另一个关键区别是直方图中的 bin。如您所见，第一个图计算了年龄在 0 到 10 岁之间的人的所有观察值。通过按年龄分组，您将在这个 bin 内有 11 个 bin：一个用于 0 岁的人，一个用于 1 岁的人，一个用于人2岁等

总而言之，groupby 需要一个可以转换原始数据的函数，但是为了绘制直方图，您需要原始状态的数据。因此，pivot 是此类任务的首选解决方案，因为它还按 survived 拆分数据，但不对数据应用任何函数。

Answer 2

扩展 Quang 的评论，您可能希望对年龄进行分组，而不是按每个年龄分组（这就是 df.groupby('age') 所做的）。

一种方法是cut age 箱：

df['age group'] = pd.cut(df.age, bins=range(0, 100, 10), right=False)

然后 groupby 这些 bin 并制作 survived.value_counts() 的条形图：

(df.groupby('age group').survived.value_counts()
   .unstack().plot.bar(width=1, stacked=True))

我注意到在您发布的链接中，所有直方图看起来都有些不同。我认为这是由于每种方法的分类方式略有不同。切割自己的 bin 的优势之一是您可以清楚地看到确切的 bin 边界：