Python 基于年份绘制类别计数的链接方法

我有这样一个数据帧：

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

df = pd.DataFrame({'Year': [1901,1901,1902,1902], 'Category': list('ABCC'), 'Shared': [1,1,2,2]})

我喜欢根据年份来计算类别数。 到目前为止，我已经做到了：

new_df = df.groupby(['Year','Category']).count().unstack()
new_df.columns = new_df.columns.droplevel()
new_df.reset_index().drop('Year',axis=1).sum().plot.bar()

这很有效，并给出了以下绘图：

有没有办法使用链式命令获得相同的结果？

例如：

(df.groupby(['Year','Category'])
.count()
.unstack()
.droplevel()
.reset_index()
.drop('Year',axis=1)
.sum().plot.bar())

---

我得到了非常简单的答案

df['Category'].value_counts().plot.bar()

另外，感谢Scott Boston设计了替代解决方案：

df['Category'].value_counts().sort_index().plot.bar()
df.groupby('Category')['Shared'].count().plot.bar()
df.groupby(['Year','Category'])['Shared'].count().sum(level=1).plot.bar()

---

您需要使用count（特别是非null）还是使用size

df.groupby（'Category'）.size（）.plot.bar（）

@ayhan没有nans。然后我可能会选择

df.groupby（'Category'）['Year'].count（）.plot.bar（）

，并添加排序索引以获得完全相同的输出

df['Category'].value_counts（）.sort_index（）.plot.bar（）

df.groupby（'Category'）['Shared'].count（）.plot.bar（）

df.groupby（['Year'，'Category']）['Shared count（）.sum（level=1）。plot.bar（）