En vérifiant le contenu des données Il peut arriver que vous souhaitiez représenter la quantité de données binaires incluses dans un seul graphique à barres.

Avez-vous trouvé que c'était faux? Je n'ai pas trouvé de moyen concis de le représenter avec un seul graphique à barres, donc j'inclurai également la sortie.

Cette fois, je crée un graphique à barres qui comprend non seulement des données binaires, mais également des données à 6 valeurs.

environnement

J'ai utilisé Google Colab. La version de la bibliothèque utilisée est la suivante.

Bibliothèque	version
python	3.6.9
pandas	1.1.4
seaborn	0.11.0
matplotlib	3.2.2

Importer la bibliothèque

Avant d'utiliser le module ci-dessus, importez-le.

%matplotlib inline
import pandas as pd
import seaborn as sns
from matplotlib import pyplot as plt

Importation de jeux de données

Cette fois, nous utiliserons les astuces de l'ensemble de données d'entraînement inclus dans seaborn. Cet ensemble de données a Il comprend le montant total payé pour le dîner et le déjeuner, le montant des jetons inclus et le sexe de la personne qui a payé.

#Importer un bloc de données
tips = sns.load_dataset('tips')

#Vérifiez les 5 premières lignes
display(tips.head())

	total_bill	tip	sex	smoker	day	time	size
0	16.99	1.01	Female	No	Sun	Dinner	2
1	10.34	1.66	Male	No	Sun	Dinner	3
2	21.01	3.50	Male	No	Sun	Dinner	3
3	23.68	3.31	Male	No	Sun	Dinner	2
4	24.59	3.61	Female	No	Sun	Dinner	4

Si vous voyez la sortie ci-dessus, l'importation est réussie.

Traitement de l'information

Créez un graphique à barres en utilisant les quatre colonnes suivantes. Pour créer un graphique, vous devez convertir des valeurs qualitatives en valeurs quantitatives.

Nom de colonne	Aperçu	politique
sex	sexe(Male/Female)	Male -> 0, Female -> 1
smoker	fumeur(No/Yes)	No -> 0, Yes -> 1
time	L'heure du repas(Lunch/Dinner)	Lunch -> 0, Dinner -> 1
size	Nombre de personnes(1 ~ 6)	Utiliser tel quel

Je pense qu'il y a plusieurs façons de faire ça, Elle s'est déroulée comme suit.

#Quantifier le sexe(Male1 -> 0, Female -> 1)
tips.sex = tips.sex.replace("Male", 0).replace("Female", 1)

#Quantifier le fumeur(No -> 0, Yes -> 1)
tips.smoker = tips.smoker.replace("No", 0).replace("Yes", 1)

#Quantifier le temps(Lunch -> 0, Dinner -> 1)
tips.time = tips.time.replace("Lunch", 0).replace("Dinner", 1)

#Vérifiez les 5 premières lignes
display(tips.head())

	total_bill	tip	sex	day	time	size
0	16.99	1.01	1	Sun	1	2
1	10.34	1.66	0	Sun	1	3
2	21.01	3.50	0	Sun	1	3
3	23.68	3.31	0	Sun	1	2
4	24.59	3.61	1	Sun	1	4

De cette façon, vous pouvez voir qu'il a été remplacé par des 0 et des 1.

Fréquence graphique

Maintenant, le sujet principal. Définissez les noms de colonnes à inclure dans le graphique à barres sous forme d'étiquette au format liste. Ensuite, obtenez la valeur unique et le numéro de chaque colonne. Dans cet état, index est le nom de la colonne et le nom de la colonne est la valeur, donc le remplacement est en cours d'exécution.

#Définition de la liste d'étiquettes à stocker dans le graphique à barres
label = ["sex", "smoker", "time", "size"]

#Obtenez une valeur unique pour chaque étiquette
tips_ = [tips[l].value_counts() for l in label]

#Convertir en bloc de données et permuter l'index et la colonne
tips_ = pd.DataFrame(tips_).transpose()

#Afficher le graphique
tips_.plot.bar()
plt.grid()
plt.title("Frequency of values in each label")
plt.ylabel("counts")
plt.xlabel("value")
plt.show()

J'ai pu créer le graphe que je voulais trouver de cette manière.

Sommaire

J'ai créé une nouvelle trame de données en utilisant value_counts et j'ai sorti un graphique à barres de la fréquence.

Utilisons Python pour représenter la fréquence des données binaires contenues dans une trame de données dans un graphique à barres unique.