Python 熊猫堆积条形图

我有以下数据集：

SessionId    Query
   1           a   
   1           b
   2           a
   3           b
   3           b
   3           c
   3           a

我想显示一个堆叠的条形图，其中每个会话都有一个条形图，该条形图将由每个查询的不同颜色组成，堆叠的大小将是每个会话中查询数量的大小

我试过这样的方法：

result = data.groupby('SessionId').apply(
   lambda group: (
      group.groupby('Query').apply(
         lambda queryGroup: (
            queryGroup.count()
         )                
      )
   )
 ) 

---

但是它在一个表中给出了一个奇怪的表

，因为堆积条形图依赖于绘制不同的列，所以您需要将数据表旋转，以获得包含行中查询数的列形式的查询

试试这个：

df = pd.DataFrame({"session":[1,1,2,2,3,3],
              "query":list("ababab"), "count":[5,7,32,5,8,1]})
df.pivot("session","query").plot(kind="bar", stacked=True)

输出：

---

堆积条形图依赖于绘制不同的列，因此您需要将数据表旋转，以将查询作为包含行中查询数的列

试试这个：

df = pd.DataFrame({"session":[1,1,2,2,3,3],
              "query":list("ababab"), "count":[5,7,32,5,8,1]})
df.pivot("session","query").plot(kind="bar", stacked=True)

输出：

如果我正确理解了你的问题，我应该做这项工作：

import pandas as pd

data = pd.DataFrame({'SessionId': [1, 1, 2, 3, 3, 3, 3], 
                     'Query': ['a', 'b', 'a', 'b', 'b', 'c', 'a']})

pd.crosstab(data.SessionId, data.Query).plot.barh(stacked=True)

如果我正确理解了你的问题，我应该做这项工作：

import pandas as pd

data = pd.DataFrame({'SessionId': [1, 1, 2, 3, 3, 3, 3], 
                     'Query': ['a', 'b', 'a', 'b', 'b', 'c', 'a']})

pd.crosstab(data.SessionId, data.Query).plot.barh(stacked=True)

---

您应该按两列进行分组，并使用

.size（）

聚合（如果我没有记错的话）。然后你就可以得到条形图所需的数据了。@Shovalt:这看起来有点像

data.groupby（['SessionId'，Query']）.size（）.unstack（）.plot.barh（stacked=True）

，我猜。@stephan:正是我的意思，我在移动，无法测试：）你应该按两列分组，并使用

.size（）

聚合（如果我没记错的话）。然后你就可以得到条形图所需的数据了。@Shovalt:这看起来像是

数据。groupby（['SessionId'，Query']）.size（）.unstack（）.plot.barh（stacked=True）

，我猜。@stephan:正是我的意思，我当时在手机上，无法测试：）惊人的一行@李：是的，

crosstab

有时非常有用。它基本上是一个包装。因此，您可以使用

pd.pivot\u表（data，None，'SessionId'，Query'，len.plot.barh（stacked=True）

获得相同的结果，这可能会更高效一些（但看起来不太好看）。令人惊讶的一行代码@李：是的，

crosstab

有时非常有用。它基本上是一个包装。因此，您可以使用

pd.pivot\u表（data，None，'SessionId'，Query'，len）.plot.barh（stacked=True）

获得相同的结果，这可能会更高效一些（但看起来不太好看）。