pandas.plot.hist（）与.groupby（）一起使用

我知道有人问过我；不过，如果可能的话，我希望得到进一步的澄清，以便更好地理解.groupby。

我希望得到与此完全相同的结果，但使用.groupby（）：

所以我试着：

df.groupby('age')['survived'].count().plot.hist()

---

x轴看起来不对。是否有任何方法可以获得与使用pure.groupby（）方法的.pivot（）相同的结果？谢谢。

我对这个问题投了赞成票，因为

pivot

和

groupby

之间有着非常细微的区别。我想你正在寻找类似的东西：

df.groupby('age').size().plot.bar(width=1)
plt.show()

然而，我不认为有一种合理的方法可以通过分组获得相同的结果，因为

hist（）

需要原始形式的观察值，而

groupby

被设计为后跟一个函数来转换数据（例如

count

，

min

，

mean

，等等）

要了解这一点，请注意，通过按年龄分组，然后使用计数，您不再拥有原始年龄数组。例如，对40岁的人进行了13次观察。原始数据看起来像

（40，40，…，40，40）

，而分组计数看起来像：

age  count
 40     13

这不是直方图的数据应该是什么样子。另一个关键区别是直方图中的箱子。如您所见，第一个图统计了年龄在0到10岁之间的人的所有观察结果。通过按年龄分组，您将有11个垃圾箱：一个用于0岁的人，一个用于1岁的人，一个用于2岁的人，等等

---

总之，

groupby

需要一个转换原始数据的函数，但为了绘制直方图，需要数据处于原始状态。因此，

pivot

是这类任务的首选解决方案，因为它也将数据按

分割，但不将任何函数应用于数据。
扩展Quang的评论，您可能希望对年龄进行分类，而不是按每个年龄进行分组（这是
df.groupby（'age'）
所做的）

一种方法是使用
age
bin：

df['age group']=pd.cut（df.age，bin=range（0,100,10），right=False）

然后按这些箱子分组，并绘制存活的箱子的条形图。数值计数（）

：

（df.groupby（'age group'）。存活。值_计数（）
.unstack（）.plot.bar（宽度=1，堆叠=True））

我注意到在你发布的链接中，所有的直方图看起来都有点不同。我认为这是由于每种方法的装箱方式略有不同。切割您自己的垃圾箱的一个优点是，您可以清楚地看到确切的垃圾箱边界：

---

在某种程度上相当于

（df['surved'].groupby（pd.cut（df.age，bin=10））.value_counts（）.unstack（）.plot.bar（width=0.4））

。

age  count
 40     13