如何在 python 上绘制有两个 x 变量的图形，其中一个需要根据给定数据计算？ [关闭]

Posted 2023-03-12

【中文标题】如何在 python 上绘制有两个 x 变量的图形，其中一个需要根据给定数据计算？ [关闭]

【英文标题】：How to draw a graph on python where there are two x-variables, one of which needs to be calculated from given data? [closed]

【发布时间】：2021-12-29 20:28:27

【问题描述】：

我有一个 CSV 文件，其中包含一项调查的结果，其中要求用户回答他们的年龄（0 到 100 岁）和他们的心情（0=快乐 1=中期 2=悲伤）。我打算使用 matplotlib 或任何其他图形库在 python 上制作一个条形图，在 y 轴上显示每个年龄的人数，然后在 x 轴上显示三条形图，以显示那里有多少悲伤、快乐和中等的人是为每个年龄。问题在于 CSV 文件中没有直接包含有关每个年龄段的总人数、每个年龄段的快乐人数和每个年龄段的悲伤人数等数据的列。有关如何操作的任何提示解决这个问题会很有帮助。下表显示了 CSV 文件的几行。谢谢

Age	Mood level
12	0
83	1
55 ​	2

【问题讨论】：

分享几行 CSV 文件。

@SMMousaviSP 对不起，我现在已经这样做了

【参考方案1】：

假设我们有以下数据框：

import pandas as pd
from matplotlib import pyplot as plt

df = pd.DataFrame(
    
        "Age": [20, 16, 16, 20, 20, 16, 18, 18, 18, 20, 16, 16, 18, 18, 18, 20, 20],
        "Mood Level": [0, 2, 1, 2, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1, 2, 2, 1],
    
)

然后我们需要创建一些基于 Mood Level 的编码，这意味着我们需要创建列 Mood_Level_0、Mood_Level_1 和 Mood_Level_2，其值为 0（假）或 1（真）。这可以通过以下方式完成：

df = pd.concat([df, pd.get_dummies(df["Mood Level"], prefix="Mood_Level")], axis=1)

将导致：

    Age  Mood level  Mood_Level_0  Mood_Level_1  Mood_Level_2
0    20           0             1             0             0
1    16           2             0             0             1
2    16           1             0             1             0
3    20           2             0             0             1
4    20           0             1             0             0
5    16           1             0             1             0
6    18           0             1             0             0
7    18           1             0             1             0
8    18           1             0             1             0
9    20           0             1             0             0
10   16           0             1             0             0
11   16           1             0             1             0
12   18           0             1             0             0
13   18           1             0             1             0
14   18           2             0             0             1
15   20           2             0             0             1
16   20           1             0             1             0

最后，我们需要按 Age 分组，并将上面创建的每个列的 1 相加：

grouped_per_age = df.groupby(["Age"], as_index=True,).agg(
    mood_level_0=("Mood_Level_0", "sum"),
    mood_level_1=("Mood_Level_1", "sum"),
    mood_level_2=("Mood_Level_2", "sum"),
)

这将导致：

     mood_level_0  mood_level_1  mood_level_2
Age
16              1             3             1
18              2             3             1
20              3             1             2

绘制上述数据框：

ax = grouped_per_age.plot.bar(rot=0)
plt.xlabel("Age")
plt.ylabel("Count")
plt.legend()
plt.show()

结果：