私はプロットしたいデータセットを持っていますキーの数あたりユニークID数(x=unique_id_count、y=key_count) を活用しようと考えていますpandas
。
この場合:
unique_ids 1 = キー数 2
unique_ids 2 = キー数 1
from pandas import *
key_items = ("a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "c", "c", "c")
id_data = ("X", "X", "X", "X", "X", "X", "X", "Y", "Y", "Y", "X", "X", "X")
df = DataFrame({'keys': key_items, 'ids': id_data})
データフレームからデータを抽出して再構築し、新しいデータフレームを再構築することで、データを必要な形に加工することができました。この場合、すべてを pandas なしで Python で実行する方がよいでしょう...
unique_values = defaultdict(list)
for items in df.itertuples(index=False):
key = items[1]
v = items[0]
unique_values[key].append(v)
unique_values_count = {}
for k, values in unique_values.iteritems():
unique_values_count[k] = [len(set(values))]
# reformat for plotting
key_col = ("a", "b", "c")
id_col = [unique_values_count[k][0] for k in key_col]
df2 = DataFrame({"keys":key_col, "unique_id_count": id_col})
df2.groupby("unique_id_count").size().plot(kind="bar")
初期データフレームを使用してこれをより直接的に行うより良い方法はありますか?