按熊猫群组计算的堆积条形图

Question

我的csv数据看起来像下面提供的数据。我想用pandas/python创建一个堆栈条图，其中每个条代表两种颜色的男性和女性部分，在条的顶部显示男性和女性服用药物的总数（在我的情况下）。例如，对于20岁的秋季，共有7人，其中6人是男性，1人是女性，因此酒吧的情节应该在酒吧的顶部有7个，这个6：1的部分显示在酒吧中两种颜色。我设法根据他们的年龄计数将他们分组并绘制出来，但我想以两种不同颜色的性别来展示酒吧。任何帮助将不胜感激 。谢谢。

Drug_ID,Age,Gender 
FF90E5F780133BBCAEE9BA0E4654C5CA,15,F 
2AB2529352E6A1D0BA91E167C5191231,17,M 
6E4B2C80EA83C5B51675BC077A182E06,19,M 
8AEB19A68DE4C301154973E0C87C774D,19,M 
FA533E7DD1FCAB83822D4A2FC514AEE7,20,F 
208F39485A8FBA7214CA004B53CC29B7,20,M 
3172B95E8A5732D2EDB089A354787612,20,M 
38FBAE52AAB04E56AB3A35C4AFBF3813,20,M 
62D8A33130574C984EAF3A2E80C243A6,20,M 
646AF35E192885FE1336649BA3735FC4,20,M 
778D2B1354F30ED3D3BDD7B9437CF670,20,M 
891312933FE5FB25703B3E958EF943E3,21,F 
5CC63DFC5EF399F65CB9BC583A770DFB,21,M 
97C9ED5750EC6FF618A059085F0BF4A6,21,M 
C6F03C5E3CC37249E0308A09292F5A58,21,M 
0713C427BDC3A90F291AF49599987F38,23,F 
518EBD35FCDAB7C744334F993D8CEB28,23,F 
A3FC185C4531AFF1E8B7B9F5985028CB,23,F 
1837406921314CB182FB0C7BC5565204,23,M 
CA0E6274BD39E8DE5C823F4E6F234252,23,M 
E2F64030BB011C11541EDC192BAED09A,23,M 
EF8F3D028C5759858AB7574864833015,23,M 
5DCD427F26E05CC1C3F565BB05EAE10B,24,F 
8646ED503722C3C6C6B44208EF1A5202,24,F 
F9F45112C472282778E1F437F54B0B70,24,F 
0CF4F20B89303CB4C03CF3BD3B27CAF0,24,M 
63727039DFF77A46995DA8EDBC4E3497,24,M 

import matplotlib.pyplot as plt 
import pandas as pd 
import numpy as np 

data = pd.read_csv('/home/MedResearch/Desktop/drug_ids_age_gender.csv') 
data.values 

df = pd.DataFrame(data) 
df2 = pd.merge(df1,df, left_index = True, right_index = True) 
temp1 = df2.groupby('Age').Age.count() 

df3 = pd.merge(df1,df, left_index = True, right_index = True) 
temp2 = df3.groupby('Gender').Age.count() 

ax = temp1.plot(kind='bar',stacked = False, colormap = 'Paired') 
for p in ax.patches: 
    ax.annotate(np.round(p.get_height(),decimals=0), (p.get_x()+p.get_width()/2., p.get_height()), ha='center', va='center', xytext=(2, 10), textcoords='offset points') 
plt.ylabel('Numbers Of Patients Taking the drug') 
plt.title('Age Distribution Of Patients Based Upon drug Intake') 
plt.show() 

得到了这样的结果：

Answer 1

这个问题经常回来，所以我决定写一步步解释。请注意，我不是pandas古茹，所以有些东西可能会被优化。

我开始产生越来越，我会用我的x轴时代的列表：

cvsdata = '''Drug_ID,Age,Gender 
FF90E5F780133BBCAEE9BA0E4654C5CA,15,F 
2AB2529352E6A1D0BA91E167C5191231,17,M 
6E4B2C80EA83C5B51675BC077A182E06,19,M 
8AEB19A68DE4C301154973E0C87C774D,19,M 
FA533E7DD1FCAB83822D4A2FC514AEE7,20,F 
208F39485A8FBA7214CA004B53CC29B7,20,M 
3172B95E8A5732D2EDB089A354787612,20,M 
38FBAE52AAB04E56AB3A35C4AFBF3813,20,M 
62D8A33130574C984EAF3A2E80C243A6,20,M 
646AF35E192885FE1336649BA3735FC4,20,M 
778D2B1354F30ED3D3BDD7B9437CF670,20,M 
891312933FE5FB25703B3E958EF943E3,21,F 
5CC63DFC5EF399F65CB9BC583A770DFB,21,M 
97C9ED5750EC6FF618A059085F0BF4A6,21,M 
C6F03C5E3CC37249E0308A09292F5A58,21,M 
0713C427BDC3A90F291AF49599987F38,23,F 
518EBD35FCDAB7C744334F993D8CEB28,23,F 
A3FC185C4531AFF1E8B7B9F5985028CB,23,F 
1837406921314CB182FB0C7BC5565204,23,M 
CA0E6274BD39E8DE5C823F4E6F234252,23,M 
E2F64030BB011C11541EDC192BAED09A,23,M 
EF8F3D028C5759858AB7574864833015,23,M 
5DCD427F26E05CC1C3F565BB05EAE10B,24,F 
8646ED503722C3C6C6B44208EF1A5202,24,F 
F9F45112C472282778E1F437F54B0B70,24,F 
0CF4F20B89303CB4C03CF3BD3B27CAF0,24,M 
63727039DFF77A46995DA8EDBC4E3497,24,M''' 

df = pd.read_csv(StringIO.StringIO(cvsdata)) 
ages = df.Age.unique() 

array([15, 17, 19, 20, 21, 23, 24]) 

然后，我产生一个分组数据帧，每个M和F的每个年龄的计数：

counts = df.groupby(['Age','Gender']).count() 
print counts 

      Drug_ID 
Age Gender   
15 F    1 
17 M    1 
19 M    2 
20 F    1 
    M    6 
21 F    1 
    M    3 
23 F    3 
    M    4 
24 F    3 
    M    2 

利用这一点，我可以很容易地计算出个人每个年龄组的总人数：

totals = counts.sum(level=0) 
print totals 

    Drug_ID 
Age   
15   1 
17   1 
19   2 
20   7 
21   4 
23   7 
24   5 

为了准备绘图，我将转换我的counts数据框以按列分隔各个性别，而不是索引。在这里，我还放弃'Drug_ID'列名称，因为unstack()操作会创建MultiIndex，并且操作没有该MultiIndex的数据框会更容易。

counts = counts.unstack(level=1) 
counts.columns = counts.columns.droplevel(level=0) 
print counts 

Gender F M 
Age    
15  1.0 NaN 
17  NaN 1.0 
19  NaN 2.0 
20  1.0 6.0 
21  1.0 3.0 
23  3.0 4.0 
24  3.0 2.0 

看起来不错。我只是做最后的改进和更换NaN 0.

counts = counts.fillna(0) 
print counts 

Gender F M 
Age    
15  1.0 0.0 
17  0.0 1.0 
19  0.0 2.0 
20  1.0 6.0 
21  1.0 3.0 
23  3.0 4.0 
24  3.0 2.0 

有了这个数据帧，实在是小巫见大巫绘制堆叠条形：

plt.bar(ages, counts['M'], bottom=None, color='blue', label='M') 
plt.bar(ages, counts['F'], bottom=counts['M'], color='pink', label='F') 
plt.legend() 
plt.xlabel('Ages') 
plt.ylabel('Count') 

要绘制之上的总计数酒吧，我们将使用annotate()函数。我们无法一次完成，取而代之的是我们将循环访问ages和totals（为了简单起见，我将values和flatten()分别列出，因为它们格式不正确，不太清楚为什么）

for age,tot in zip(ages,totals.values.flatten()): 
    plt.annotate('N={:d}'.format(tot), xy=(age+0.4, tot), xytext=(0,5), textcoords='offset points', ha='center', va='bottom') 

的注解坐标是(age+0.4, tot)因为试条x去x+width与width=0.8默认情况下，因此x+0.4是酒吧的中心，而tot当然是棒的整个高度。为了稍微偏移文本，我在y方向上将文本偏移了几（5）个点。根据你的喜好调整。

检出the documentation for bar()来调整条形图的参数。 退房the documentation for annotate()自定义您的注释