使用Pandas进行分箱和可视化

luaexgnf  于 2023-04-10  发布在  其他
关注(0)|答案(2)|浏览(141)

因此,我尝试为我的 Dataframe 创建一个年龄间隔列:

df['age_interval'] = pd.cut(x=df['Age'], bins=[18, 22, 27, 32, 37, 42, 47, 52, 57, 60], include_lowest=True)

然后我添加了我的图表:

**问题:**在可视化中,[18-22] bin显示为[17.99-22]。
**我想要的:**我想要它显示[18-22]。

下面是plot代码:

plt.figure(figsize=(15,8))
dist = sns.barplot(x=ibm_ages.index, y=ibm_ages.values, color='blue')
dist.set_title('IBM Age Distribution', fontsize = 24)
dist.set_xlabel('Age Range', fontsize=18)
dist.set_ylabel('Total Count', fontsize=18)

sizes=[]
for p in dist.patches:
    height = p.get_height()
    sizes.append(height)
    dist.text(p.get_x()+p.get_width()/2.,
            height + 5,
            '{:1.2f}%'.format(height/total*100),
            ha="center", fontsize= 8) 

plt.tight_layout(h_pad=3)
plt.show()
to94eoyn

to94eoyn1#

这是因为它是一个float64类型,你想要一个整数try:

import numpy as np
df['age_interval'] = pd.cut(x=df['Age'].astype('Int64'), bins=[18, 22, 27, 32, 37, 42, 47, 52, 57, 60], include_lowest=True)

你可以使用.astype('Int64 ')每当你想转换float64到Int64

uurity8g

uurity8g2#

条形图在这里是误导性的,因为柱的宽度不相等。年龄是一个连续变量。为什么要掩盖柱彼此相邻的事实呢?
这正是直方图有用的地方。您仍然可以自定义柱并相应地设置刻度线。其他图自定义也同样有效。

import numpy as np
import pandas as pd
import seaborn as sns
sns.set()

df = pd.DataFrame({'Age': np.random.normal(35, 10, 1000)})
bins = [18, 22, 27, 32, 37, 42, 47, 52, 57, 60]

ax = sns.histplot(data=df, x='Age', bins=bins)
ax.set_xticks(bins)

相关问题