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Python 3.x 如何在长格式数据集中绘制分类列的比率?,python-3.x,altair,Python 3.x,Altair,我有一个长格式的数据集,其中有一列type和date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_joinagg
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"
)