【问题标题】:Layered normalised histogram per category每个类别的分层归一化直方图
【发布时间】:2020-06-15 13:42:19
【问题描述】:

基于this post,我能够构建一个归一化的分层直方图。但是,似乎标准化是针对样本总数而不是每个类别的样本总数进行的。我想知道如何使用 altair 对每个类别进行标准化?

示例:

import pandas as pd
import altair as alt

source = pd.DataFrame({'age': ['12', '32', '43', '54', '32', '32', '12','20','44','24'],'gender': ['m','m','f','f','f','m','f','m','f','m']})

alt.Chart(source).transform_joinaggregate(
    total='count(*)'
).transform_calculate(
    pct='1 / datum.total'
).mark_bar().encode(
    alt.X('age:Q', bin=True),
    alt.Y('sum(pct):Q', axis=alt.Axis(format='%')),
    color='gender'
)

【问题讨论】:

  • 当您说“按类别”时,您的意思是“按年龄组”还是“按性别”?
  • @jakevdp 按性别
  • 好的,请看下面我的回答。

标签: python data-science visualization altair


【解决方案1】:

如果您想在特定类别中进行标准化,您可以通过在聚合转换中添加 groupby 来计算该类别中的总数:

import pandas as pd
import altair as alt

source = pd.DataFrame({
    'age': ['12', '32', '43', '54', '32', '32', '12','20','44','24'],
    'gender': ['m','m','f','f','f','m','f','m','f','m']
})

alt.Chart(source).transform_joinaggregate(
    total='count(*)',
    groupby=['gender']
).transform_calculate(
    pct='1 / datum.total'
).mark_bar().encode(
    alt.X('age:Q', bin=True),
    alt.Y('sum(pct):Q', axis=alt.Axis(format='%')),
    color='gender'
)

【讨论】:

    【解决方案2】:

    如果我理解正确,我认为将 stack='normalize' 传递给 y 编码应该可以工作。

    import pandas as pd
    import altair as alt
    
    source = pd.DataFrame({
        'age': ['12', '32', '43', '54', '32', '32', '12','20','44','24'],
        'gender': ['m','m','f','f','f','m','f','m','f','m']
        })
    
    alt.Chart(source).mark_bar().encode(
        alt.X('age:O', bin=True),
        alt.Y('count()',
              stack='normalize', 
              axis=alt.Axis(title='Group Percentage', format='%'), 
              ),
        color='gender'
    )
    

    【讨论】:

      【解决方案3】:
      bins = [10+5*i for i in range(10)]
      df_plot = pd.crosstab(source.gender, pd.cut(source.age, bins=bins)).apply(lambda r: r/r.sum(), axis=0).stack().reset_index().rename(columns={0:'perc'})
      
      df_plot['age'] = df_plot['age'].astype(str)
      
      alt.Chart(df_plot).mark_bar().encode(
        x='age:N',
        y=alt.Y('perc:Q', axis=alt.Axis(format='%'), stack=False),
        color='gender:N',
        opacity=alt.value(0.6)
      )
      

      但也许问题是如何获得两组彼此相邻的百分比?

      【讨论】:

        猜你喜欢
        • 2018-08-02
        • 2013-06-20
        • 1970-01-01
        • 2014-12-31
        • 1970-01-01
        • 2015-01-15
        • 2013-08-22
        • 1970-01-01
        • 1970-01-01
        相关资源
        最近更新 更多