Python 在groupby中为唯一结果生成饼图子批次？

为数据帧中的唯一值生成饼图的最佳方法是什么

我有一个数据框，它按县显示服务的数量。我想为每个县制作一组饼图，显示该县的服务数量。我尝试过各种不同的方法，但都没有成功

这是我的数据

打印（mdfgroup）

因此，阿拉芒将有一个图表，其中包括识字、技术、职业的切片；查塔姆、达勒姆等的图表。切片大小将基于ServiceCt

我已经尝试了很多不同的方法，但我不确定最有效的方法是什么。我试过了，但在下面，它并没有按县进行细分，也没有生成任何图表

for i, row in enumerate(mdfgroup.itertuples(),1):
       plt.figure()
       plt.pie(row.ServiceCt,labels=row.Service,
       startangle=90,frame=True, explode=0.2,radius=3)
plt.show()

这会引发一个错误：

TypeError: len() of unsized object

然后生成一个空白的打印框

（我还不能嵌入图像，所以这里有链接）

理想情况下，我希望它们都是子地块，但在这个阶段，我会选择一系列单独的地块。我发现的其他示例没有处理键（县）的唯一值

使用matplotlib 一种常见的方法是迭代列的

groupby

。这里要迭代的列是

“国家”

。您可以首先创建一个子地块栅格，其子地块的数量至少与您具有唯一国家/地区的子地块数量相同。然后您可以同时迭代子批次和组。
最后可能会有一些空的子批次；这些可以设置为不可见

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

df = pd.DataFrame({"Country" : list("AAACCCDDDOWW"),
                   "Service" : list("LTV")*4,
                   "ServiceCt" : list(map(int, "114321111122"))})

cols = 3
g = df.groupby("Country")
rows = int(np.ceil(len(g)/cols))

fig, axes = plt.subplots(ncols=cols, nrows=rows)

for (c, grp), ax in zip(g, axes.flat):
    ax.pie(grp.ServiceCt, labels=grp.Service)
    ax.set_title(c)

if len(g) < cols*rows:    
    for ax in axes.flatten()[len(g):]:
        ax.axis("off")
        
plt.show()

使用熊猫 最后，使用熊猫可以在一条线上完成所有工作

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({"Country" : list("AAACCCDDDOWW"),
                   "Service" : list("LTV")*4,
                   "ServiceCt" : list(map(int, "114321111122"))})


df.pivot("Service", "Country", "ServiceCt").plot.pie(subplots=True, legend=False)
        
plt.show()

使用matplotlib 一种常见的方法是迭代列的

groupby

。这里要迭代的列是

“国家”

。您可以首先创建一个子地块栅格，其子地块的数量至少与您具有唯一国家/地区的子地块数量相同。然后您可以同时迭代子批次和组。
最后可能会有一些空的子批次；这些可以设置为不可见

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

df = pd.DataFrame({"Country" : list("AAACCCDDDOWW"),
                   "Service" : list("LTV")*4,
                   "ServiceCt" : list(map(int, "114321111122"))})

cols = 3
g = df.groupby("Country")
rows = int(np.ceil(len(g)/cols))

fig, axes = plt.subplots(ncols=cols, nrows=rows)

for (c, grp), ax in zip(g, axes.flat):
    ax.pie(grp.ServiceCt, labels=grp.Service)
    ax.set_title(c)

if len(g) < cols*rows:    
    for ax in axes.flatten()[len(g):]:
        ax.axis("off")
        
plt.show()

使用熊猫 最后，使用熊猫可以在一条线上完成所有工作

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({"Country" : list("AAACCCDDDOWW"),
                   "Service" : list("LTV")*4,
                   "ServiceCt" : list(map(int, "114321111122"))})


df.pivot("Service", "Country", "ServiceCt").plot.pie(subplots=True, legend=False)
        
plt.show()

---

这就是你的想法吗

Ncounties = len(mdfgroup.County.unique())
fig, axs = plt.subplots(1, Ncounties, figsize=(3*Ncounties,3), subplot_kw={'aspect':'equal'})
for ax,(groupname,subdf) in zip(axs,mdfgroup.groupby('County')):
    ax.pie(subdf.ServiceCt, labels=subdf.Service)
    ax.set_title(groupname)

---

这就是你的想法吗

Ncounties = len(mdfgroup.County.unique())
fig, axs = plt.subplots(1, Ncounties, figsize=(3*Ncounties,3), subplot_kw={'aspect':'equal'})
for ax,(groupname,subdf) in zip(axs,mdfgroup.groupby('County')):
    ax.pie(subdf.ServiceCt, labels=subdf.Service)
    ax.set_title(groupname)

---

什么是

mdfgroup

？你可能想看看。哎呀

mdfgroup

是列出的数据帧。更新帖子以澄清。什么是

mdfgroup

？你可能想看看。哎呀

mdfgroup

是列出的数据帧。更新后的帖子来澄清。德拉特，又被揍了一顿！好的，我添加了一些其他选项，让这些答案仍然不同。该死的，又被揍了一顿！好的，我添加了一些其他选项，仍然让这些答案不同。是的！谢谢看到它被写出来，现在完全有道理了。确定有多少个独特的县，使许多子地块，然后通过循环和图表。在我的情况下，数据点有一个公平的分布在不同的群体。由于aspect:equal参数，它确实能够保持散点图的可读性，但是与其他两个子图相比，它将子图的大小更改为一个小矩形。怎么解决这个问题？是的！谢谢看到它被写出来，现在完全有道理了。确定有多少个独特的县，使许多子地块，然后通过循环和图表。在我的情况下，数据点有一个公平的分布在不同的群体。由于aspect:equal参数，它确实能够保持散点图的可读性，但是与其他两个子图相比，它将子图的大小更改为一个小矩形。如何解决这个问题？