Python 来自dataframe groupby的条形图
我正在尝试为dataframe创建一个条形图。在home_team下面是一组球队名称。在每一天都有若干次逮捕。我基本上是按团队将数据与该团队的平均逮捕率进行分组。我正在尝试为此创建一个条形图,但不确定如何继续,因为有一列没有标题 资料Python 来自dataframe groupby的条形图,python,pandas,pandas-groupby,Python,Pandas,Pandas Groupby,我正在尝试为dataframe创建一个条形图。在home_team下面是一组球队名称。在每一天都有若干次逮捕。我基本上是按团队将数据与该团队的平均逮捕率进行分组。我正在尝试为此创建一个条形图,但不确定如何继续,因为有一列没有标题 资料 home\u团队,逮捕 亚利桑那州,5.0 亚利桑那州,6.0 亚利桑那州,9.0 亚利桑那州,6.0 亚利桑那州,3.0 亚利桑那州,4.0 亚利桑那州,1.0 亚利桑那州,4.0 亚利桑那州,0.0 亚利桑那州,12.0 亚利桑那州,4.0 亚利桑那州,1.0
home\u团队,逮捕
亚利桑那州,5.0
亚利桑那州,6.0
亚利桑那州,9.0
亚利桑那州,6.0
亚利桑那州,3.0
亚利桑那州,4.0
亚利桑那州,1.0
亚利桑那州,4.0
亚利桑那州,0.0
亚利桑那州,12.0
亚利桑那州,4.0
亚利桑那州,1.0
亚利桑那州,3.0
亚利桑那州,7.0
亚利桑那州,3.0
亚利桑那州,7.0
亚利桑那州,7.0
亚利桑那州,3.0
亚利桑那州,7.0
亚利桑那州,2.0
亚利桑那州,3.0
亚利桑那州,2.0
亚利桑那州,4.0
亚利桑那州,7.0
亚利桑那州,4.0
亚利桑那州,6.0
亚利桑那州,4.0
亚利桑那州,2.0
亚利桑那州,1.0
亚利桑那州,6.0
亚利桑那州,2.0
亚利桑那州,4.0
亚利桑那州,3.0
亚利桑那州,10.0
亚利桑那州,3.0
亚利桑那州,2.0
亚利桑那州,2.0
亚利桑那州,0.0
亚利桑那州,5.0
亚利桑那州,2.0
巴尔的摩,1.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,2.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,3.0
巴尔的摩,1.0
巴尔的摩,0.0
巴尔的摩,3.0
巴尔的摩,5.0
巴尔的摩,0.0
巴尔的摩,8.0
巴尔的摩,0.0
巴尔的摩,4.0
巴尔的摩,5.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,1.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,3.0
巴尔的摩,0.0
巴尔的摩,6.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,0.0
巴尔的摩,4.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,2.0
卡罗莱纳州,0.0
卡罗莱纳州,1.0
卡罗莱纳州,1.0
卡罗莱纳州,1.0
卡罗莱纳州,4.0
卡罗莱纳州,1.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,1.0
卡罗莱纳州,1.0
卡罗莱纳州,5.0
卡罗莱纳州,1.0
卡罗莱纳州,3.0
卡罗莱纳州,3.0
卡罗莱纳州,0.0
卡罗莱纳州,2.0
卡罗莱纳州,1.0
卡罗莱纳州,1.0
卡罗莱纳州,5.0
卡罗莱纳州,1.0
卡罗莱纳州,2.0
卡罗莱纳州,1.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,0.0
卡罗莱纳州,4.0
卡罗莱纳州,6.0
卡罗莱纳州,2.0
卡罗莱纳州,3.0
卡罗莱纳州,0.0
卡罗莱纳州,3.0
芝加哥,1.0
芝加哥,0.0
芝加哥,1.0
芝加哥,0.0
芝加哥,0.0
芝加哥,0.0
芝加哥,0.0
芝加哥,1.0
芝加哥,0.0
芝加哥,1.0
芝加哥,1.0
芝加哥,0.0
芝加哥,3.0
芝加哥,1.0
芝加哥,0.0
芝加哥,2.0
芝加哥,0.0
芝加哥,0.0
芝加哥,0.0
芝加哥,2.0
芝加哥,0.0
芝加哥,2.0
芝加哥,1.0
芝加哥,2.0
芝加哥,1.0
芝加哥,1.0
芝加哥,0.0
芝加哥,2.0
芝加哥,1.0
芝加哥,0.0
芝加哥,2.0
芝加哥,1.0
辛辛那提,3.0
辛辛那提,0.0
辛辛那提,1.0
辛辛那提,2.0
辛辛那提,3.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,3.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,2.0
辛辛那提,4.0
辛辛那提,3.0
辛辛那提,3.0
辛辛那提,1.0
辛辛那提,3.0
辛辛那提,1.0
辛辛那提,0.0
辛辛那提,1.0
辛辛那提,0.0
辛辛那提,1.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,4.0
辛辛那提,0.0
辛辛那提,1.0
辛辛那提,1.0
辛辛那提,1.0
辛辛那提,10.0
辛辛那提,6.0
辛辛那提,0.0
辛辛那提,1.0
辛辛那提,1.0
辛辛那提,1.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,0.0
辛辛那提,0.0
达拉斯,1.0
达拉斯,1.0
达拉斯,0.0
达拉斯,1.0
达拉斯,2.0
达拉斯,0.0
达拉斯,0.0
达拉斯,0.0
达拉斯,4.0
达拉斯,6.0
达拉斯,15.0
达拉斯,0.0
达拉斯,5.0
达拉斯,15.0
达拉斯,13.0
达拉斯,0.0
达拉斯,9.0
达拉斯,0.0
达拉斯,0.0
达拉斯,0.0
达拉斯,1.0
达拉斯,8.0
达拉斯,5.0
达拉斯,9.0
达拉斯,2.0
达拉斯,7.0
达拉斯,7.0
达拉斯,3.0
达拉斯,3.0
达拉斯,2.0
达拉斯,0.0
达拉斯,1.0
达拉斯,13.0
达拉斯,3.0
达拉斯,7.0
达拉斯,8.0
达拉斯,8.0
达拉斯,5.0
达拉斯,4.0
达拉斯,1.0
丹佛,2.0
丹佛,0.0
丹佛,0.0
丹佛,0.0
丹佛,2.0
丹佛,0.0
丹佛,0.0
丹佛,0.0
丹佛,4.0
丹佛,1.0
丹佛,4.0
丹佛,0.0
丹佛,0.0
丹佛,0.0
丹佛,3.0
丹佛,0.0
丹佛,5.0
丹佛,8.0
丹佛,11.0
丹佛,5.0
丹佛,2.0
丹佛,5.0
丹佛,1.0
丹佛,3.0
丹佛,1.0
丹佛,1.0
丹佛,7.0
丹佛,6.0
丹佛,6.0
丹佛,1.0
丹佛,4.0
丹佛,7.0
丹佛,3.0
丹佛,2.0
丹佛,0.0
丹佛,4.0
丹佛,3.0
丹佛,3.0
丹佛,1.0
丹佛,0.0
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
底特律,
绿湾,8.0
绿湾,0.0
绿湾,3.0
绿湾,6.0
绿湾1.0
绿湾,4.0
绿湾,21.0
绿湾,3.0
绿湾,4.0
绿湾,15.0
绿湾,3.0
绿湾1.0
绿湾,9.0
绿湾,2.0
绿湾,18.0
绿湾,9.0
绿湾1.0
绿湾,8.0
绿湾,6.0
绿湾,13.0
绿湾,6.0
绿湾,8.0
绿湾,7.0
绿湾,16.0
绿湾,8.0
绿湾,4.0
绿湾1.0
绿湾,15.0
绿湾,3.0
绿湾,8.0
绿湾,11.0
绿湾,6.0
绿湾,13.0
绿湾,4.0
绿湾,4.0
绿湾,13.0
绿湾,8.0
绿湾,2.0
绿湾,5.0
绿湾,11.0
休斯顿,2.0
休斯顿,2.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
休斯顿,2.0
休斯顿,2.0
休斯顿,0.0
休斯顿,6.0
休斯顿,1.0
休斯顿,4.0
休斯顿,1.0
休斯顿,1.0
休斯顿,1.0
休斯顿,1.0
休斯顿,3.0
休斯顿,2.0
休斯顿,0.0
休斯顿,1.0
休斯顿,1.0
休斯顿,2.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
休斯顿,0.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
休斯顿,0.0
休斯顿,1.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
休斯顿,1.0
休斯顿,1.0
休斯顿,0.0
休斯顿,0.0
印第安纳波利斯,2.0
印第安纳波利斯,11.0
印第安纳波利斯,0.0
印第安纳波利斯,3.0
印第安纳波利斯,0.0
印第安纳波利斯,7.0
印第安纳波利斯,0.0
印第安纳波利斯,2.0
印第安纳波利斯,1.0
印第安纳波利斯,0.0
印第安纳波利斯,3.0
印第安纳波利斯,2.0
印第安纳波利斯,4.0
印第安纳波利斯,5.0
印第安纳波利斯,1.0
印第安纳波利斯,0.0
印第安纳波利斯,0.0
印第安纳波利斯,4.0
印第安纳波利斯,2.0
印第安纳波利斯,10.0
印第安纳波利斯,1.0
印第安纳波利斯,3.0
印第安纳波利斯,0.0
印第安纳波利斯,2.0
印第安纳波利斯,4.0
印第安纳波利斯,0.0
印第安纳波利斯,0.0
印第安纳波利斯,5.0
印第安纳波利斯,3.0
印第安纳波利斯,1.0
印第安纳波利斯,4.0
印第安纳波利斯,0.0
印第安纳波利斯,3.0
印第安纳波利斯,0.0
印第安纳波利斯,2.0
印第安纳波利斯,0.0
印第安纳波利斯,2.0
印第安纳波利斯,0.0
印第安纳波利斯,3.0
印第安纳波利斯,1.0
杰克逊维尔,4.0
杰克逊维尔,4.0
杰克逊维尔,2.0
杰克逊维尔,3.0
杰克逊维尔,1.0
杰克逊维尔,6.0
杰克逊维尔,3.0
杰克逊维尔,1.0
杰克逊维尔,5.0
杰克逊维尔,1.0
杰克逊维尔,2.0
杰克逊夫
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.read_csv("arrests.csv")
df = df.replace(np.nan,0)
df = df.groupby(['home_team'])['arrests'].mean()
df = df.replace(np.nan, 0)
dfg = df.groupby(['home_team'])['arrests'].mean()
dfg.plot(kind='bar', title='Arrests', ylabel='Mean Arrests',
xlabel='Home Team', figsize=(6, 5))
## referenced to the answer by @piRSquared
df = df.replace(np.nan,0)
df = df.groupby(['home_team'])['arrests'].mean()
ax = df.plot(kind='bar', figsize=(10,6), color="indigo", fontsize=13);
ax.set_alpha(0.8)
ax.set_title("My Bar Plot", fontsize=22)
ax.set_ylabel("Some Heading on Y-Axis", fontsize=15);
plt.show()