Python 使用matplotlib的百分比直方图，轴的一个输入是两列的组合

我有一个数据框，其中有一个我试图预测的类值。我对标签1感兴趣。
我试图确定回合是否对给定的键值起作用。 对于给定的键值（如1）和圈数（如1），类值为1的圈数百分比是多少

例如，对于给定的数据

key=1，turn=1，8/11有一个类标签1
键=1，圈数=2，5/6有一个类标签1

如何绘制此类数据的百分比直方图？ 我知道使用matplotlib的法线直方图

import matplotlib
matplotlib.use('PS')
import matplotlib.pyplot as plt
plt.hist()

但是我将使用什么值来获得百分比直方图呢

dataframe中的示例列

钥匙=[ 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. 2. ]

转向=[ 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 2. 2. 2. 2. 2. 2. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 4. 4. 4. 4. 4. 4. 1. 2. 2. 2. 2. 2. 2. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 3. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4. 4]

类别=[0 1. 0 0 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 1. 0 1. 1. 0 0 1. 1. 0 1. 0 1. 1. 0 1. 1. 0 0 1. 0 1. 0 0 0 0 0 1. 1. 1. 1. 0 1. 1. 0 0 1. 0 0 0 0 0 1. 0 1. 1. 0 0 1. 1. 1. 0

---

0]

由于链接问题中的概念显然不是您需要的，另一种方法是生成饼图，如下所示

---

我可能检查了上面的链接，但是我有3个栏要考虑的是一个图，而上面的链接只有2个栏。问题是你的问题不够清楚，不能给你答案，所以你需要用2到3个列来调整这个例子，这很容易。除非问题是ED，我仍然认为这是一个重复。也许你先解释一下你的百分比直方图的意思。如果我理解正确，这就是链接问题答案中所显示的情况。如果您认为不是，请描述问题，为什么使用计算不同直方图并对其进行规范化的方法对您没有帮助。还要确保清楚地说明输出应该是什么样子。我将其重新定义为：对于每个键，都有一些圈，因此键+圈形成一个组。在这个组中，每一行都有一些类标签。对于数据帧中的每一个这样的组，我想绘制有多少行的值为1。示例key=1，turn=1，8/11有一个类标签1。键=1，圈数=2，5/6有一个类标签。显示此百分比直方图的最佳绘图是什么。链接问题只使用数据框列中的数字。我没有这样的专栏。谢谢。这将是有趣的，看看我的数据。但我有100个关键点，每个都有6个旋转，因此我在考虑某种直方图，它可以让我跨越所有关键点和旋转。有可能有一个绘图，我可以组合所有的键，然后依次显示每个类的百分比吗？一切都是可能的。然而，由于你反对相关问题解决问题的方式，也忽略了我的大部分评论，这些评论旨在帮助你澄清你的问题，我恐怕没有什么可以为你做的。作为最后的手段，你当然可以画出这样的情节，包括一个图像，而不是描述你的意思。对不起，我不是这个意思。我非常感谢您的帮助，但我只是matplotlib的新手，因此无法很好地解释它。我想要一个类似于链接问题的图，其中清楚地显示了变量对class属性的影响。如果我把每一行看作一个句子，每一个句子由多个句子组成，那么在一个回合中，有多少百分比的句子在数据集上得到一个1的类标签。

key=[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2 ]
turn=[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4]
clas=[0, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0]

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df=pd.DataFrame({"key":key, "turn":turn, "class":clas})
piv = pd.pivot_table(df, values="class", index="key", columns="turn")
print piv
fig, axes = plt.subplots(ncols=4, nrows=2)
for i in range(2):
    axes[i,0].set_ylabel("key {}".format(i+1))
    for j in range(4):
        pie = axes[i,j].pie([piv.values[i,j],1.-piv.values[i,j]], autopct="%.1f%%")
        axes[i,j].set_aspect("equal")
        axes[0,j].set_title("turn {}".format(j+1))

plt.legend(pie[0],["class 1","class 0"], bbox_to_anchor=(1,0.5), loc="right", 
                          bbox_transform=plt.gcf().transFigure)       
plt.show()