来自无组织数据的条形图 - 创建数据框？

Posted 2023-03-12

【中文标题】来自无组织数据的条形图 - 创建数据框？

【英文标题】：Barplot from unorganised data - dataframe creation?

【发布时间】：2021-10-31 10:05:26

【问题描述】：

从下表中，我需要创建4个不同的条形图，对应4个不同的地方TST1TST2TST3TST4TST5

如果可能，每个条形图应该有 8 个刻度，对应 NOT_DONEINCOMPUNTESTED3035404550。刻度将对应于每个“值”出现在该给定位置的次数。 （这些地方是 4 个选项之一：L1L2L3L4）

但是：

如果在 TST5 中未找到任何值，则仅将最右侧列中的值视为含义，然后程序应检查 TST4 等，直到找到值为止。如果在这 5 列中的任何一列中都没有找到值，则不计算任何值。如果找到了一个值，那么它不左边是什么。

我的想法是创建一个新的列数据框，其中包含我需要的值（因此每行的最正确的值）及其对应的位置。我对这一切都很陌生，不确定如何去做，因此我们将不胜感激任何帮助。

我需要使用 python 2.7，我也在使用 seaborn 进行绘图。

+-------+----------+----------+----------+--------+----------+
| PLACE | TST1     | TST2     | TST3     | TST4   | TST5     |
+-------+----------+----------+----------+--------+----------+
| L1    |          | NOT_DONE |          |        | 50       |
+-------+----------+----------+----------+--------+----------+
| L1    |          |          | 35       |        |          |
+-------+----------+----------+----------+--------+----------+
| L4    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          |          | INCOMP   |        |          |
+-------+----------+----------+----------+--------+----------+
| L2    | UNTESTED |          |          | INCOMP |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L4    |          | 30       |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          | INCOMP   | 40       |        |          |
+-------+----------+----------+----------+--------+----------+
| L4    |          |          |          |        | UNTESTED |
+-------+----------+----------+----------+--------+----------+
| L1    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          | INCOMP   |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L2    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L2    |          | 50       |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          |          | UNTESTED | 35     | NOT_DONE |
+-------+----------+----------+----------+--------+----------+
| L1    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L2    |          | 40       |          | INCOMP |          |
+-------+----------+----------+----------+--------+----------+
| L3    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L1    |          |          |          |        |          |
+-------+----------+----------+----------+--------+----------+
| L4    |          | NOT_DONE |          | 30     | NOT_DONE |
+-------+----------+----------+----------+--------+----------+

【问题讨论】：

你能显示预期的输出吗>

我添加了一个示例，或多或少地展示了我希望 L3 的条形图看起来像什么，希望对您有所帮助。

【参考方案1】：

我需要使用 python 2.7，我也在使用 seaborn 进行绘图。

在 python 2.7.18 和 pandas 0.24.2 上测试（尽管它在 python 3 中运行良好）：

使用ffill 沿columns 传播最右边的值（忽略PLACE）：

df['TST'] = df.drop(columns='PLACE').ffill(axis='columns').iloc[:, -1]

按PLACE 分组并获取他们的value_counts：

data = df.groupby('PLACE')['TST'].value_counts().reset_index(name='COUNT')

#   PLACE       TST  COUNT
# 0    L1        35      1
# 1    L1        50      1
# 2    L2    INCOMP      2
# 3    L2        50      1
# 4    L3    INCOMP      2
# 5    L3        40      1
# 6    L3  NOT_DONE      1
# 7    L4        30      1
# 8    L4  NOT_DONE      1
# 9    L4  UNTESTED      1

然后将此data 传递给catplot（使用order 参数设置您的首选报价单）：

incompletes = ['NOT_DONE', 'INCOMP', 'UNTESTED']
ticks = incompletes + sorted(data.TST.unique())[:len(incompletes)]

g = sns.catplot(x='TST', y='COUNT', col='PLACE', col_wrap=2,
                data=data, order=ticks, kind='bar')
g.set_xticklabels(rotation=90)

---

版本：

>>> sys.version
2.7.18 (default, Mar 15 2021, 14:29:03) \n[GCC 10.2.0]
>>> pandas.__version__
0.24.2
>>> matplotlib.__version__
2.2.5
>>> seaborn.__version__
0.9.1

【讨论】：

非常感谢，这很棒，并且完全按照预期工作。假设我的数字范围大于 30-50，更像是 60-150。是否有一种更“优雅”的方式来写“ticks=”行而不是手动输入每个数字？当它们很少时手写它们是可以的，但当范围大得多时就不行了。

@codingamat 这有点棘手，因为如果你想让单词排在第一位。我用一个选项更新了答案：手动输入单词（incompletes 列表）并将它们与排序后的数字组合（sorted(data.TST.unique())[:len(incompletes)]）。

非常感谢您的帮助。这个解决方案在我的情况下似乎不太有效，我找到了另一种效果很好的方法。首先，我使用了num_range = list(range(60,151, 5))，然后我使用了您用于不完整代码的同一行代码incompletes = ['NOT_DONE', 'INCOMP', 'UNTESTED'] 对于最后一行代码，我基于您使用的代码行，但对其进行了一些更改：ticks = incompletes + ([str(num) for num in num_range])