熊猫数据框：groupby 和 plot 有两个不同的列

Question

我是 Python 的超级初学者。长话短说，我想用一列分组，将一个函数应用于一列，将另一个函数应用于另一列，然后绘制结果（第一列到 x 轴，第二列到 y 轴）。

我有一个熊猫数据框df，其中包含许多列。其中两列是tour_id 和tour_distance。

tour_id    tour_distance    
      A               10
      A               10
      A               10
      A               10
      B               20
      B               20
      C               40
      C               40
      C               40
      C               40
      C               40
      :                :
      :                :

由于我假设 tour_distance 越长，每个 tour_id 的行数越多，我想绘制 tour_distance 与每组 tour_id 中的行数的直方图。

问题 1：这个 groupby 和 plot 问题最简单的解决方案是什么？

问题 2：如何改进我失败的尝试？

我的尝试：我认为制作这样的新数据框会更容易。

tour_id    tour_distance  row_counts
      A               10           3
      B               20           2
      C               40           5
      :                :           :

这样我可以使用matplotlib 并这样做，

import matplotlib.pyplot as plt
x = df.tour_distance
y = df.row_counts
plt.bar(x,y)

但是，我无法制作这个数据框。

df_tour_distance = df.groupby('tour_id').tour_distance.head(1)
df_tour_distance = pd.DataFrame(df_tour_distance)
df_size = df.groupby('tour_id').tour_distance.size()
df_size = pd.DataFrame(df_size)
df = pd.merge(df_size, df_tour_distance, on='tour_id')

>>> KeyError: 'tour_id'

这也失败了：

g = df.groupby('tour_id')
result = g.agg({'Count':lambda x:x.size(), 
            'tour_distance_grouped':lambda x:x.head(1)})
result

>>> KeyError: 'Count'

Answer 1

你的代码中的问题是，一旦你 groupby tour_id，它就变成了索引。您必须指定as_index=False 或使用reset_index() 才能使用它。此外，您不需要找到一个系列然后将其合并回来。

你需要：

g = df.groupby(['tour_id', 'tour_distance']).size().reset_index(name='count')
plt.bar(g['tour_id'],g['count'])

输出：

Answer 2

可以更容易实现：

import pandas as pd

tour_id = ['A']*4+['B']*2+['C']*5
tour_distance = [10]*4+[20]*2+[40]*5

df = pd.DataFrame({'tour_id': tour_id, 'tour_distance': tour_distance})
df = df.set_index('tour_id')

df2 = pd.DataFrame()
df2['tour_distance'] = df.groupby('tour_id')['tour_distance'].head(1)
df2['row_counts'] = df.groupby('tour_id').count()
print(df2)

结果：

         tour_distance  row_counts
tour_id                           
A                   10           4
B                   20           2
C                   40           5