countplot() 与频率

我有一个 Pandas DataFrame，其中有一列名为“AXLES”，它可以采用 3-12 之间的整数值。我正在尝试使用 Seaborn 的 countplot() 选项来实现以下绘图：

1. 左 y 轴显示这些值在数据中出现的频率。轴延伸范围为 [0%-100%]，每 10% 刻度一次。
2. 右 y 轴显示实际计数，值对应于左 y 轴确定的刻度线（每 10% 标记一次。）
3. x 轴显示条形图的类别 [3、4、5、6、7、8、9、10、11、12]。
4. 条形顶部的注释显示该类别的实际百分比。

下面的代码给出了下面的图，其中包含实际计数，但我找不到将它们转换为频率的方法。我可以使用获取频率df.AXLES.value_counts()/len(df.index)但我不确定如何将此信息插入 Seaborn 的countplot().

我还找到了注释的解决方法，但我不确定这是否是最好的实现。

任何帮助，将不胜感激！

Thanks

plt.figure(figsize=(12,8))
ax = sns.countplot(x="AXLES", data=dfWIM, order=[3,4,5,6,7,8,9,10,11,12])
plt.title('Distribution of Truck Configurations')
plt.xlabel('Number of Axles')
plt.ylabel('Frequency [%]')

for p in ax.patches:
        ax.annotate('%{:.1f}'.format(p.get_height()), (p.get_x()+0.1, p.get_height()+50))

EDIT:

我通过以下代码更接近了我所需要的，使用 Pandas 的条形图，放弃了 Seaborn。感觉我使用了很多解决方法，并且必须有一种更简单的方法来做到这一点。这种方法的问题：

• 没有orderPandas 的条形图函数中的关键字与 Seaborn 的 countplot() 一样，因此我无法像在 countplot() 中那样绘制 3-12 的所有类别。即使该类别中没有数据，我也需要显示它们。

• 由于某种原因，辅助 y 轴弄乱了条形图和注释（请参阅在文本和条形图上绘制的白色网格线）。

  plt.figure(figsize=(12,8))
  plt.title('Distribution of Truck Configurations')
  plt.xlabel('Number of Axles')
  plt.ylabel('Frequency [%]')
  
  ax = (dfWIM.AXLES.value_counts()/len(df)*100).sort_index().plot(kind="bar", rot=0)
  ax.set_yticks(np.arange(0, 110, 10))
  
  ax2 = ax.twinx()
  ax2.set_yticks(np.arange(0, 110, 10)*len(df)/100)
  
  for p in ax.patches:
      ax.annotate('{:.2f}%'.format(p.get_height()), (p.get_x()+0.15, p.get_height()+1))
  

你可以通过制作一个来做到这一点twinx频率轴。您可以切换两个 y 轴，使频率保持在左侧，计数保持在右侧，但无需重新计算计数轴（这里我们使用tick_left() and tick_right()移动蜱虫并set_label_position移动轴标签

然后您可以使用以下命令设置刻度matplotlib.ticker模块，具体来说ticker.MultipleLocator and ticker.LinearLocator.

至于注释，您可以使用以下命令获取条形图所有 4 个角的 x 和 y 位置patch.get_bbox().get_points()。这与正确设置水平和垂直对齐一起意味着您不需要向注释位置添加任何任意偏移。

最后，您需要关闭孪生轴的网格，以防止网格线显示在条形顶部（ax2.grid(None))

这是一个工作脚本：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
import matplotlib.ticker as ticker

# Some random data
dfWIM = pd.DataFrame({'AXLES': np.random.normal(8, 2, 5000).astype(int)})
ncount = len(dfWIM)

plt.figure(figsize=(12,8))
ax = sns.countplot(x="AXLES", data=dfWIM, order=[3,4,5,6,7,8,9,10,11,12])
plt.title('Distribution of Truck Configurations')
plt.xlabel('Number of Axles')

# Make twin axis
ax2=ax.twinx()

# Switch so count axis is on right, frequency on left
ax2.yaxis.tick_left()
ax.yaxis.tick_right()

# Also switch the labels over
ax.yaxis.set_label_position('right')
ax2.yaxis.set_label_position('left')

ax2.set_ylabel('Frequency [%]')

for p in ax.patches:
    x=p.get_bbox().get_points()[:,0]
    y=p.get_bbox().get_points()[1,1]
    ax.annotate('{:.1f}%'.format(100.*y/ncount), (x.mean(), y), 
            ha='center', va='bottom') # set the alignment of the text

# Use a LinearLocator to ensure the correct number of ticks
ax.yaxis.set_major_locator(ticker.LinearLocator(11))

# Fix the frequency range to 0-100
ax2.set_ylim(0,100)
ax.set_ylim(0,ncount)

# And use a MultipleLocator to ensure a tick spacing of 10
ax2.yaxis.set_major_locator(ticker.MultipleLocator(10))

# Need to turn the grid on ax2 off, otherwise the gridlines end up on top of the bars
ax2.grid(None)

plt.savefig('snscounter.pdf')