Pandas 如何绘制pandas列的频率计数

在本文中，我们将介绍如何使用Pandas绘制pandas列的频率计数的方法。

在数据分析中，我们经常需要对数据集中的某个列进行频次统计。Pandas提供了一种快速、简单的方法来计算频率并可视化它们。

Pandas的value_counts()函数

Pandas的value_counts()函数是计算频数的重要函数。它可以计算每个值在Series对象中的出现次数。以下代码演示了如何使用value_counts()函数计算“fruit”列的值的出现次数:

import pandas as pd

df = pd.DataFrame({
    'fruit': ['apple', 'banana', 'pear', 'apple', 'banana', 'apple']
})

fruit_counts = df['fruit'].value_counts()

print(fruit_counts)

你会在控制台上看到如下输出:

apple     3
banana    2
pear      1
Name: fruit, dtype: int64

这里输出了每个水果出现的次数，按降序排序。

Pandas的plot()函数

我们可以使用Pandas的plot()函数将频率计数可视化。对于上面的水果例子，使用如下代码可视化水果列表中出现的次数：

import pandas as pd

df = pd.DataFrame({
    'fruit': ['apple', 'banana', 'pear', 'apple', 'banana', 'apple']
})

fruit_counts = df['fruit'].value_counts()

fruit_counts.plot(kind='bar')

这会输出一个条形图，其x轴表示每种水果，y轴表示它们在数据集中出现的次数。

使用plot()函数的参数

plot()函数有许多可用的选项。这里有一些实用的参数:

kind: 可以是 “line”, “bar”, “barh”, “hist” 等，用于指定绘制图表的类型。
title: 图表的标题
alpha: 图表的透明度
figsize: 图表的大小

以下是一个示例，演示如何使用这些参数来自定义图表：

import pandas as pd

df = pd.DataFrame({
    'fruit': ['apple', 'banana', 'pear', 'apple', 'banana', 'apple']
})

fruit_counts = df['fruit'].value_counts()

fruit_counts.plot(
    kind='bar',
    title='Fruit Counts',
    alpha=0.5,
    figsize=(10, 7)
)

注意，自定义参数，如标题和图表大小，需要在绘图函数中传递一个属性字典。