Python 3.x 如何在长格式数据集中绘制分类列的比率？

我有一个长格式的数据集，其中有一列

type

和

date

<代码>类型分为两类

黄金

和

白银

。我想按日期绘出两者的比率。为此，必须进行一系列转换。它们在

熊猫中看起来像这样

mock_df = df.groupby(["date"])["type"].value_counts().unstack()
mock_df["gs_ratio"] = mock_df["gold"]/mock_df["silver"]
mock_df


资料


已尝试的代码：

alt.Chart(df).transform_joinaggregate(
    gs_count='count(type)',
    groupby=["date:T"]
).transform_pivot(
    'type',
    groupby=['date:T'],
    value='gs_count'
).transform_calculate(
    gs_ratio="datum.gold/datum.silver"
).mark_line().encode(
    x='date:T',
    y="gs_ratio:Q"
)

您的方法中有几个问题：


在转换中不能使用类型速记。因此，您应该使用列的实际名称，
“date”
，而不是
“date:T”
count（type）
不等同于
df.type.value\u counts（）
。您应该做的是使用
count（）
按
type
分组
使用
transform\u aggregate
而不是
transform\u joinaggregate

综合起来：

alt.Chart(df).transform_aggregate(
    gs_count='count()',
    groupby=["date", "type"]
).transform_pivot(
    'type',
    groupby=['date'],
    value='gs_count'
).transform_calculate(
    gs_ratio="datum.gold/datum.silver"
).mark_line().encode(
    x='date:T',
    y="gs_ratio:Q"
)


alt.Chart(df).transform_aggregate(
    gs_count='count()',
    groupby=["date", "type"]
).transform_pivot(
    'type',
    groupby=['date'],
    value='gs_count'
).transform_calculate(
    gs_ratio="datum.gold/datum.silver"
).mark_line().encode(
    x='date:T',
    y="gs_ratio:Q"
)