每组具有归一化 y 轴的计数图

我想知道是否可以创建 Seaborn 计数图，但不是显示 y 轴上的实际计数，而是显示其组内的相对频率（百分比）（如 hue 参数指定）。

I使用以下方法解决了这个问题，但我无法想象这是最简单的方法：

# Plot percentage of occupation per income class
grouped = df.groupby(['income'], sort=False)
occupation_counts = grouped['occupation'].value_counts(normalize=True, sort=False)

occupation_data = [
    {'occupation': occupation, 'income': income, 'percentage': percentage*100} for 
    (income, occupation), percentage in dict(occupation_counts).items()
]

df_occupation = pd.DataFrame(occupation_data)

p = sns.barplot(x="occupation", y="percentage", hue="income", data=df_occupation)
_ = plt.setp(p.get_xticklabels(), rotation=90)  # Rotate labels

结果：

我正在使用 UCI 机器学习存储库中众所周知的成人数据集|| |。 pandas 数据框是这样创建的： 这个问题

# Read the adult dataset
df = pd.read_csv(
    "data/adult.data",
    engine='c',
    lineterminator='\n',

    names=['age', 'workclass', 'fnlwgt', 'education', 'education_num',
           'marital_status', 'occupation', 'relationship', 'race', 'sex',
           'capital_gain', 'capital_loss', 'hours_per_week',
           'native_country', 'income'],
    header=None,
    skipinitialspace=True,
    na_values="?"
)

有点相关，但没有使用 参数。就我而言，我不能只更改 y 轴上的标签，因为条形的高度必须取决于组。 hue parameter. And in my case I cannot just change the labels on the y-axis, because the height of the bar must depend on the group.

无需手动计算和准备百分比数据以在 Seaborn 中使用。Seaborn 的 countplot 函数中内置了一个更直接的解决方案，可以实现这一点。可以使用 estimator 参数结合 NumPy 的 mean 函数来完成此操作。由于每个条形表示“hue”类别中存在的总值的百分比，因此平均值在本质上计算了该特定“hue”级别的出现次数。

以下是使用的数据集实现此操作的方法：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 读取成人数据集
df = pd.read_csv(
    "data/adult.data",
    engine='c',
    lineterminator='\n',
    names=['age', 'workclass', 'fnlwgt', 'education', 'education_num',
           'marital_status', 'occupation', 'relationship', 'race', 'sex',
           'capital_gain', 'capital_loss', 'hours_per_week',
           'native_country', 'income'],
    header=None,
    skipinitialspace=True,
    na_values="?"
)

# 使用 countplot 并使用 estimator 作为百分比
p = sns.countplot(
    data=df,
    x="occupation", 
    hue="income",
    estimator=lambda x: len(x) / len(df) * 100
)
_ = plt.setp(p.get_xticklabels(), rotation=90)  # 旋转标签
plt.ylabel("Percentage") 
plt.show()

在本代码中：

• 我们直接将原始数据框 df 传递给 sns.countplot 。
• x 参数设置为“occupation”， hue 参数设置为“income”，这与的示例相同。
• 技巧在于 estimator 参数。我们将其设置为一个 lambda 函数，该函数计算给定“hue”级别内每个职业的百分比。它计算特定“hue”级别中“occupation”计数（ len(x) ）与其在完整数据集中的总数（ len(df) ）的比率，然后乘以 100 以获得百分比。

这将在每个“income”组内提供归一化的计数，并有效地显示每个职业的相对频率，而无需手动预处理数据。