Python 如何使用条件绘制图形

我想在不操纵数据帧的情况下，以特定条件绘制图形

plt.figure(figsize=(10,50))
plt.ylim(100,500)
sns.countplot(data=df, x='brand')

例如，我用一个数据框创建了一个countplot，它有一堆小于100的x值，在countplot中，小于100的值显示为“无条”，它占用了空间。所以我只想去掉那些空的（计数<100）

我试图创建另一个仅计数值大于100的数据帧，但我想知道是否有更简单/更干净的方法来绘制图形，而不是创建整个数据帧

plt.figure(figsize=(10,50))
plt.ylim(100,500)
sns.countplot(data=df, x='brand')

---

从这段代码中，我看到许多空条是由小于100的计数值引起的，因为xlim被设置为100-500。

您可以旋转数据帧，过滤掉那些

<100

并使用

matplotlib

绘图。您可以在

seaborn

绘图命令中直接选择/操作/etc.到数据帧：例如，

sns.countplot（数据=df.loc[…]，…）

我认为最干净的方法是在可视化代码之前处理所有数据操作。操作数据->可视化数据。这是干净的。你试图做可视化数据->操作数据，我认为这不太直观，可能会使代码不那么可读。传统上，人们似乎在做操作数据->可视化数据l数据，遵守广泛流行的惯例有很多价值。因此，我建议按品牌对数据进行分组，按每个品牌计算行数，然后从中过滤数据帧。然后使用条形图而不是countplot。您可以旋转数据帧，过滤掉那些

<100

，然后使用

matplotlib

进行打印。您可以可以直接在

seaborn

plotting命令中选择/操作数据帧：例如，

sns.countplot（data=df.loc[…]，…）

我认为最干净的方法是在可视化代码之前处理所有数据操作。操作数据->可视化数据。这是干净的。你试图做可视化数据->操作数据，我认为这不太直观，可能会使代码不那么可读。传统上，人们似乎在做操作数据->可视化数据l数据，坚持广泛流行的惯例有很大的价值。因此，我建议按品牌对数据进行分组，按每个品牌计算行数，然后从中筛选数据帧。然后使用条形图而不是countplot。@l.F.我不想添加解释。如果我的答案不符合您的标准，请发布您自己的答案@L.F.我不想添加解释。如果我的答案不符合您的标准，请发布您自己的答案。

import matplotlib.pyplot as plt
import seaborn as sns

plot_data = df.groupby('brand').size().reset_index(name='count').query('count>=100')
plt.figure(figsize=(10,50))
plt.ylim(100,500)
sns.barplot(data=plot_data, x='brand', y='count')