[PYTHON] Zeichnen Sie ein Diagramm, indem Sie es mit Pandas groupby verarbeiten

Einführung

Ich fange an, mit Kaggles Titanic zu spielen, aber bevor ich fehlende Werte ergänze oder Hyperparameter überprüfe, möchte ich mir die Daten genauer ansehen und sie ansehen. Ich möchte die gelesenen Daten schnell nach dem Wert "Survived" gruppieren und ein Diagramm zeichnen, aber es funktioniert nicht sehr gut. Weil ich Pandas '"GroupBy" nicht verstehe.

Es gibt viele Beispiele für das Zeichnen von Grafiken durch unsere Vorgänger im Internet, aber ich habe diesen Artikel geschrieben, weil ich dachte, dass er für Anfänger nützlich sein könnte, indem ich den Weg meines Verständnisses beschreibe.

Ziel erreichen

Zeichnen Sie ein Diagramm wie das folgende.

In diesem Diagramm ist die horizontale Achse das Symbol für "Ticket", die vertikale Achse ist das Überleben ("s"), der Tod ("d"), das Unbekannte ("na"). Die Anzahl der Personen in ) wird in absteigender Reihenfolge nach der Gesamtzahl der Personen akkumuliert und sortiert. Beispielsweise beträgt das Ticketsymbol von `` CA. 2343``` ganz links 11 Personen insgesamt, 4 Personen unbekannt und der Rest 7 Menschen sind gestorben.

Ich möchte eine solche Grafik schnell zeichnen.

Daten lesen

Lesen Sie die Daten und überprüfen Sie die Nummer für jedes Symbol in den Daten von `` `Ticket```.

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

train_data = pd.read_csv("../train.csv")
test_data = pd.read_csv("../test.csv")
total_data = pd.concat([train_data, test_data]) # train_Daten und Test_Daten verketten

ticket_freq = total_data["Ticket"].value_counts()

CA. 2343        11
CA 2144          8
1601             8
S.O.C. 14879     7
3101295          7
                ..
350404           1
248706           1
367655           1
W./C. 14260      1
350047           1
Name: Ticket, Length: 929, dtype: int64

CA.2343 sind 11 Personen,8 CA 2144,Und so weiter.

# Erstellen Sie Daten für Diagramme
## Gruppe für Gruppeby

 Gruppieren Sie zuerst `` `total_data``` nach Ticketsymbol.

```python
total_data_ticket = total_data.groupby("Ticket")

#Ausgabe
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000001F5A14327C8>

Der Nachteil von groupby ist,Der Inhalt der Daten wird nicht angezeigt.Hier, ***Gruppiert***Verstehe in meinem Kopf,Gehe zum nächsten.

## Extrahieren Sie nur Überlebensinformationen
 Rufen Sie als nächstes die Überlebensinformationen ab (`` `Survived```).

```python
total_data_ticket = total_data.groupby("Ticket")["Survived"]
total_data_ticket

#Ausgabe
<pandas.core.groupby.generic.SeriesGroupBy object at 0x000001F5A1437B48>

Die Daten werden auch hier nicht angezeigt.

Zählen Sie nach Überleben, Tod, unbekannt

Verwenden Sie weiterhin `value_counts ()`, um die Nummer jedes Werts von `` Survived``` zu zählen. Durch Setzen von `dropna = False``` wird auch N / A gezählt. ..

total_data_ticket = total_data.groupby("Ticket")["Survived"].value_counts(dropna=False)
total_data_ticket

#Ausgabe
Ticket       Survived
110152       1.0         3
110413       1.0         2
             0.0         1
110465       0.0         2
110469       NaN         1
                        ..
W.E.P. 5734  NaN         1
             0.0         1
W/C 14208    0.0         1
WE/P 5735    0.0         1
             1.0         1
Name: Survived, Length: 1093, dtype: int64

Ändern Sie die Form der Daten

Um ein Diagramm zu zeichnen, ändern Sie die Daten wie Überleben, Tod und unbekannte Daten in Spaltenrichtung. Verwenden Sie `` unstack () `.

total_data_ticket = total_data.groupby("Ticket")["Survived"].value_counts(dropna=False).unstack()
total_data_ticket

#Ausgabe
Survived	NaN	0.0	1.0
Ticket			
110152	NaN	NaN	3.0
110413	NaN	1.0	2.0
110465	NaN	2.0	NaN
110469	1.0	NaN	NaN
110489	1.0	NaN	NaN
...	...	...	...
W./C. 6608	1.0	4.0	NaN
W./C. 6609	NaN	1.0	NaN
W.E.P. 5734	1.0	1.0	NaN
W/C 14208	NaN	1.0	NaN
WE/P 5735	NaN	1.0	1.0
929 rows × 3 columns

Zeichnen Sie ein Diagramm

Ändern Sie N / A in eine Zahl

In der obigen Ausgabe hat der Wert immer noch `NaN```, also setzen Sie` NaN``` auf 0.

total_data_ticket.fillna(0, inplace=True)
total_data_ticket

#Ausgabe
Survived	NaN	0.0	1.0
Ticket			
110152	0.0	0.0	3.0
110413	0.0	1.0	2.0
110465	0.0	2.0	0.0
110469	1.0	0.0	0.0
110489	1.0	0.0	0.0
...	...	...	...
W./C. 6608	1.0	4.0	0.0
W./C. 6609	0.0	1.0	0.0
W.E.P. 5734	1.0	1.0	0.0
W/C 14208	0.0	1.0	0.0
WE/P 5735	0.0	1.0	1.0
929 rows × 3 columns

Spaltennamen ändern

Die Spaltennamen sind `NaN```,` 0.0, `` 1.0, aber das ist umständlich, also ändern Sie den Spaltennamen.

total_data_ticket.columns = ["nan", "d", "s"]
total_data_ticket

#Ausgabe
	nan	d	s
Ticket			
110152	0.0	0.0	3.0
110413	0.0	1.0	2.0
110465	0.0	2.0	0.0
110469	1.0	0.0	0.0
110489	1.0	0.0	0.0
...	...	...	...
W./C. 6608	1.0	4.0	0.0
W./C. 6609	0.0	1.0	0.0
W.E.P. 5734	1.0	1.0	0.0
W/C 14208	0.0	1.0	0.0
WE/P 5735	0.0	1.0	1.0
929 rows × 3 columns

Berechnen Sie die Gesamtzahl der Personen pro Zeile

Ich möchte nach der Gesamtzahl der Personen in absteigender Reihenfolge sortieren, also berechne ich die Gesamtzahl der Personen und speichere sie in einer neuen Spalte. Ich verwende `sum ()`, um die Gesamtzahl zu berechnen, aber ich berechne sie in Spaltenrichtung, also ` Summe (Achse = 1) `.

total_data_ticket["count"] = total_data_ticket.sum(axis=1)
total_data_ticket

#Ausgabe
	nan	d	s	count
Ticket				
110152	0.0	0.0	3.0	3.0
110413	0.0	1.0	2.0	3.0
110465	0.0	2.0	0.0	2.0
110469	1.0	0.0	0.0	1.0
110489	1.0	0.0	0.0	1.0
...	...	...	...	...
W./C. 6608	1.0	4.0	0.0	5.0
W./C. 6609	0.0	1.0	0.0	1.0
W.E.P. 5734	1.0	1.0	0.0	2.0
W/C 14208	0.0	1.0	0.0	1.0
WE/P 5735	0.0	1.0	1.0	2.0
929 rows × 4 columns

Jetzt können Sie das Diagramm zeichnen.

Zeichnen Sie ein Diagramm

Bestimmen Sie den Bereich der Anzahl der Personen und sortieren Sie in absteigender Reihenfolge

Der Code wird zuerst angezeigt und der Reihe nach erklärt.

total_data_ticket[total_data_ticket["count"] > 3].sort_values("count", ascending=False)[["nan", "d", "s"]].plot.bar(figsize=(15,10),stacked=True)

Jetzt können Sie das am Anfang gezeigte Diagramm zeichnen.

Wenn man sich das ansieht, können sich Leute mit `CA. 2343``` und` CA 2144 vorstellen, `` `Survived = 0 ...

Ganzer Code

Schließlich wird der gesamte Code angezeigt.

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

train_data = pd.read_csv("../train.csv")
test_data = pd.read_csv("../test.csv")
total_data = pd.concat([train_data, test_data])

ticket_freq = total_data["Ticket"].value_counts()
ticket_freq

total_data_ticket = total_data.groupby("Ticket")["Survived"].value_counts(dropna=False).unstack()

total_data_ticket.fillna(0, inplace=True)
total_data_ticket.columns = ["nan", "d", "s"]
total_data_ticket["count"] = total_data_ticket.sum(axis=1)
total_data_ticket[total_data_ticket["count"] > 3].sort_values("count", ascending=False)[["nan", "d", "s"]].plot.bar(figsize=(15,10),stacked=True)

abschließend

Mit dieser Technik überprüfen wir auch andere nicht numerische Daten wie den Nachnamen und den Titel von `Embarked```,` Cabin, `` `Name.

Referenz

• Verwendung von Pandas groupby
• Erstellen Sie ein Diagramm mit der Plotmethode von Pandas und visualisieren Sie die Daten
• Datenübersicht mit Pandas