Pandas 对多个数值进行分组并绘制结果

在这篇文章中，我们将学习如何对多个数值进行分组，并将结果一次性绘制出来。在这里，我们从seaborn库中获取 “exercise.csv “文件，然后形成不同的分组数据并将结果可视化。

对于这个程序，需要的步骤如下。

用于数据及其可视化的导入库。
创建和导入多列的数据。
通过对多个值进行分组，形成一个grouby对象。
将分组的数据可视化。

下面是带有一些例子的实现。

例子1 :

在这个例子中，我们从seaborn库中获取数据集 “exercise.csv “文件，然后在 “时间 “一栏的基础上将 “脉搏 “和 “饮食 “两栏分组，形成groupby数据，最后将结果可视化。

# importing packages
import seaborn
 
# load dataset and view
data = seaborn.load_dataset('exercise')
print(data)
 
# multiple groupby (pulse and diet both)
df = data.groupby(['pulse', 'diet']).count()['time']
print(df)
 
# plot the result
df.plot()
plt.xticks(rotation=45)
plt.show()

输出 :

    Unnamed: 0  id     diet  pulse    time     kind
0            0   1  low fat     85   1 min     rest
1            1   1  low fat     85  15 min     rest
2            2   1  low fat     88  30 min     rest
3            3   2  low fat     90   1 min     rest
4            4   2  low fat     92  15 min     rest
..         ...  ..      ...    ...     ...      ...
85          85  29   no fat    135  15 min  running
86          86  29   no fat    130  30 min  running
87          87  30   no fat     99   1 min  running
88          88  30   no fat    111  15 min  running
89          89  30   no fat    150  30 min  running

[90 rows x 6 columns]
pulse  diet   
80     no fat     NaN
       low fat    1.0
82     no fat     NaN
       low fat    1.0
83     no fat     2.0
                 ... 
140    low fat    NaN
143    no fat     1.0
       low fat    NaN
150    no fat     1.0
       low fat    NaN
Name: time, Length: 78, dtype: float64

Pandas - 对多个数值进行分组并绘制结果

例子2：这个例子是对上述例子的修改，以达到更好的视觉效果。

# importing packages
import seaborn
 
# load dataset
data = seaborn.load_dataset('exercise')
 
# multiple groupby (pulse and diet both)
df = data.groupby(['pulse', 'diet']).count()['time']
 
# plot the result
df.unstack().plot()
plt.xticks(rotation=45)
plt.show()

输出 :

Pandas - 对多个数值进行分组并绘制结果

示例 3:

在这个例子中，我们从seaborn库中获取了 “exercise.csv “文件，然后通过将 “pulse”、”diet “和 “time “这三列在 “kind “列的基础上分组，形成groupby数据，最后可视化结果。

# importing packages
import seaborn
 
# load dataset and view
data = seaborn.load_dataset('exercise')
print(data)
 
# multiple groupby (pulse, diet and time)
df = data.groupby(['pulse', 'diet', 'time']).count()['kind']
print(df)
 
# plot the result
df.plot()
plt.xticks(rotation=30)
plt.show()

输出 :

Unnamed: 0  id     diet  pulse    time     kind
0            0   1  low fat     85   1 min     rest
1            1   1  low fat     85  15 min     rest
2            2   1  low fat     88  30 min     rest
3            3   2  low fat     90   1 min     rest
4            4   2  low fat     92  15 min     rest
..         ...  ..      ...    ...     ...      ...
85          85  29   no fat    135  15 min  running
86          86  29   no fat    130  30 min  running
87          87  30   no fat     99   1 min  running
88          88  30   no fat    111  15 min  running
89          89  30   no fat    150  30 min  running

[90 rows x 6 columns]
pulse  diet     time  
80     no fat   1 min     NaN
                15 min    NaN
                30 min    NaN
       low fat  1 min     1.0
                15 min    NaN
                         ... 
150    no fat   15 min    NaN
                30 min    1.0
       low fat  1 min     NaN
                15 min    NaN
                30 min    NaN
Name: kind, Length: 234, dtype: float64

Pandas - 对多个数值进行分组并绘制结果

例子4：这个例子是对上述例子的修改，以达到更好的视觉效果。

# importing packages
import seaborn
 
# load dataset
data = seaborn.load_dataset('exercise')
 
# multiple groupby (pulse, diet, and time)
df = data.groupby(['pulse', 'diet', 'time']).count()['kind']
 
# plot the result
df.unsatck().plot()
plt.xticks(rotation=30)
plt.show()

输出 :

Pandas - 对多个数值进行分组并绘制结果