python 针对多个类别的变量如何画图 分类组合柱状图

Question

请教python 针对多个类别的变量如何画图，下图是我想要的结果，最下方的图是我目前的样子，如何修改代码？

df_ct3=df2.groupby(["Station","GEN3_date","Location Result"])['Identifier'].count().unstack().fillna(0)
df_ct3["ratio"]=df_ct3["Bad"]/(df_ct3["Bad"]+df_ct3["Good"])
df_ct3copy=df_ct3.reset_index()
plt.figure(figsize=(12,6))
sns.barplot(x="GEN3_date",y="ratio",hue="Station", data=df_ct3copy)

Answer 1

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/692773
• 你也可以参考下这篇文章：Python编程语言学习：python语言中快速查询python自带模块&函数的用法及其属性方法、如何查询某个函数&关键词的用法、输出一个类或者实例化对象的所有属性和方法名之详细攻略
• 同时，你还可以查看手册：python- 序列和其他类型的比较 中的内容
• 除此之外, 这篇博客: Python实现音乐推荐系统【跟着迪哥学python】中的 取其中一部分数（按大小排好序的了，这些应该是比较重要的数据），作为我们的实验数据 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• #10W名用户的播放量占总体的比例
  total_play_count = sum(song_count_df.play_count)
  print ((float(play_count_df.head(n=100000).play_count.sum())/total_play_count)*100)
  play_count_subset = play_count_df.head(n=100000)
  

  40.8807280500655
  

  (float(song_count_df.head(n=30000).play_count.sum())/total_play_count)*100
  

  78.39315366645269
  

  song_count_subset = song_count_df.head(n=30000)
  

  前3W首歌的播放量占到了总体的78.39%
  现在已经有了这10W名忠实用户和3W首经典歌曲，接下来我们就要对原始数据集进行过滤清洗，说白了就是在原始数据集中剔除掉不包含这些用户以及歌曲的数据。

  取10W个用户，3W首歌

  user_subset = list(play_count_subset.user)
  song_subset = list(song_count_subset.song)
  

  过滤掉其他用户数据

  #读取原始数据集
  triplet_dataset = pd.read_csv(filepath_or_buffer=data_home+'train_triplets.txt',sep='\t', 
                                header=None, names=['user','song','play_count'])
  #只保留有这10W名用户的数据，其余过滤掉
  triplet_dataset_sub = triplet_dataset[triplet_dataset.user.isin(user_subset) ]
  del(triplet_dataset)
  #只保留有这3W首歌曲的数据，其余也过滤掉
  triplet_dataset_sub_song = triplet_dataset_sub[triplet_dataset_sub.song.isin(song_subset)]
  del(triplet_dataset_sub)
  

  triplet_dataset_sub_song.to_csv(path_or_buf=data_home+'triplet_dataset_sub_song.csv', index=False)
  

  当前我们的数据量

  triplet_dataset_sub_song.shape
  

  (10774558, 3)
  

  数据样本个数此时只有原来的1/4不到，但是我们过滤掉的样本都是稀疏数据不利于建模，所以当拿到了数据之后对数据进行清洗和预处理工作还是非常有必要的，不单单提升计算的速度，还会影响最终的结果。

  triplet_dataset_sub_song.head(n=10)
  

  	user	song	play_count
  498	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOADQPP12A67020C82	12
  499	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOAFTRR12AF72A8D4D	1
  500	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOANQFY12AB0183239	1
  501	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOAYATB12A6701FD50	1
  502	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOBOAFP12A8C131F36	7
  503	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOBONKR12A58A7A7E0	26
  504	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOBZZDU12A6310D8A3	7
  505	d6589314c0a9bcbca4fee0c93b14bc402363afea	SOCAHRT12A8C13A1A4	5
  506	d6589314c0a9bcbca4fee0c93b14bc402363afea	SODASIJ12A6D4F5D89	1
  507	d6589314c0a9bcbca4fee0c93b14bc402363afea	SODEAWL12AB0187032	8

• 您还可以看一下 CSDN就业班老师的Python爬虫技术和浏览器模拟，验证码识别视频教程课程中的 验证码信息识别小节, 巩固相关知识点