用pandas对分类变量作统计

文章目录

• 前言
• 一、原数据张这样？
• 二、处理步骤代码
  • 1.代码
  • 2.结果

---

前言

有时候我们会有一些数据，变量是非数值类型的分类变量，如性别、城市、婚姻状况等。它可能是成对出现，并且往往是多对多的，如性别和城市就是多对多的。我们要处理这类数据，就需要按照某一个变量分类，再进行统计，才能更直观的观察数据。

一、原数据数据张这样

可以看到变量之间是多对多的关系。marriage是婚姻状况。假如我们想统计不同城市的婚姻状况的比例，就需要对数据作分组统计处理。可以如下进行操作。

 

二、处理步骤代码

1、代码

代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings("ignore")
if __name__=="__main__":
    data = {"city":["tianjin","beijing","beijing","shanghai","shanghai","beijing","shanghai","tianjin","shanghai","tianjin","tianjin","shanghai","beijing","shanghai","beijing"],
    "marriage":["un","ma","div","ma","un","div","un","ma","ma","div","un","div","un","div","un"]}
    dataframe = pd.DataFrame(data)
    print(dataframe)
    dg = dataframe.groupby("marriage")
    stand = pd.DataFrame()
    for i,j in dg:
        stand = pd.concat([stand,j["city"].value_counts(sort="False")],axis=1)
        stand.rename(columns={'city':i},inplace=True)
    print(stand)
    stand.plot.bar(width=0.1,rot=0,stacked=True)
    plt.title("Chart of city-marriage")
    plt.ylabel('marriage-Count')  # 纵坐标轴标题
    plt.xlabel('city')  # 纵坐标轴标题
    plt.legend(loc=0,prop={'size':10})  # 显示图例
    plt.show()

2.结果

作堆叠图是这样，这样可以看出一个城市的不同婚姻状况的比例如何。