x軸標籤不按正確順序排列（matplotlib/pandas）

Question

我有一個bizzare問題。我有一個看起來像下面的數據框。它已從csv文件中讀取。

AgeGroups  Factor Cancer Frequency 
0  0_5 wo-statin Yes   0 
1  6_10 wo-statin Yes   0 
2  11_15 wo-statin Yes   1 
3  16_20 wo-statin Yes   1 
4  21_25 wo-statin Yes   23 
5  26_30 wo-statin Yes   50 
6  31_35 wo-statin Yes   70 
7  36_40 wo-statin Yes  107 
8  41_45 wo-statin Yes  168 
9  46_50 wo-statin Yes  412 
10  51_55 wo-statin Yes  503 
11  56_60 wo-statin Yes  646 
12  61_65 wo-statin Yes  635 
13  66_70 wo-statin Yes  725 
14  71_75 wo-statin Yes  771 
15  76_80 wo-statin Yes  421 
16  81_85 wo-statin Yes  181 
17  86_90 wo-statin Yes   57 
18  91_95 wo-statin Yes   4 
19 96_100 wo-statin Yes   4 
.. 
60  0_5 w-statin Yes   0 
61  6_10 w-statin Yes   0 
62  11_15 w-statin Yes   0 
63  16_20 w-statin Yes   0 
64  21_25 w-statin Yes   0 
65  26_30 w-statin Yes   0 
66  31_35 w-statin Yes   0 
67  36_40 w-statin Yes   0 
68  41_45 w-statin Yes   0 
69  46_50 w-statin Yes   10 
70  51_55 w-statin Yes   17 
71  56_60 w-statin Yes   24 
72  61_65 w-statin Yes   50 
73  66_70 w-statin Yes  113 
74  71_75 w-statin Yes  198 
75  76_80 w-statin Yes  105 
76  81_85 w-statin Yes   37 
77  86_90 w-statin Yes   18 
78  91_95 w-statin Yes   2 
79 96_100 w-statin Yes   0 

我想開展從我從下面的代碼得到了條形圖一些統計分析：

import pandas as pd 
import matplotlib.pyplot as plt 
df = pd.read_csv('file:///C:/Users/out.CSV') 
ages= df.AgeGroups.unique() 

grp = df.groupby(['AgeGroups','Factor','Cancer']).Frequency.sum() 

counts = grp.unstack(level=[2]) 
by_factor = counts.groupby(level='Factor') 


k = by_factor.ngroups 

fig, axes = plt.subplots(1, k, sharex=True, sharey=True, figsize=(15, 8)) 
for i, (gname, grp) in enumerate(by_factor): 
    grp.xs(gname, level='Factor').plot.bar(
     stacked=True, rot=45, ax=axes[i], title=gname) 
_ = axes.set_xticklabels(grp['AgeGroups']) 
#for ax in axes: ax.set_ylim([0,25000]) 
fig.tight_layout() 

我幾乎很高興一切順利出去，直到我意識到年齡組我的情節上的6_10出現在情節的中間。

如果我手動更改實例0_5的表格爲00-05和6_10爲06-10等，則該圖表顯示正確的順序。然而，對我來說問題是，我有大約2k這樣的CSV，並且幾乎不可能手動編輯每個表的順序。 如果需要，我可以提供更多信息，非常感謝您的幫助。 :)

Answer 1

您可能需要將領先的0添加到AgeGroups列（如@ImportanceOfBeingErnest已經建議）。

，但我會做到這一點的熊貓方式：

In [91]: df.AgeGroups = \ 
      df.AgeGroups.replace([r'^(\d{1})\_', r'_(\d{1})$'], 
            [r'0\1_',r'_0\1'], 
            regex=True) 

結果：

In [93]: df 
Out[93]: 
    AgeGroups  Factor Cancer Frequency 
0  00_05 wo-statin Yes   0 
1  06_10 wo-statin Yes   0 
2  11_15 wo-statin Yes   1 
3  16_20 wo-statin Yes   1 
4  21_25 wo-statin Yes   23 
5  26_30 wo-statin Yes   50 
6  31_35 wo-statin Yes   70 
7  36_40 wo-statin Yes  107 
8  41_45 wo-statin Yes  168 
9  46_50 wo-statin Yes  412 
..  ...  ... ...  ... 
70  51_55 w-statin Yes   17 
71  56_60 w-statin Yes   24 
72  61_65 w-statin Yes   50 
73  66_70 w-statin Yes  113 
74  71_75 w-statin Yes  198 
75  76_80 w-statin Yes  105 
76  81_85 w-statin Yes   37 
77  86_90 w-statin Yes   18 
78  91_95 w-statin Yes   2 
79 96_100 w-statin Yes   0 

[40 rows x 4 columns] 

Answer 2

這可能是值得替換文件中的字符串。

import glob as glob 

files = glob.glob("data/*.csv") 

for filename in files: 
    # Read in the file 
    with open(filename, 'r') as f : 
     filedata = f.read() 

    # Replace the target string 
    filedata = filedata.replace(' 0_5', '00-05') 
    filedata = filedata.replace(' 6_10', '06_10') 

    # Write the file out again 
    with open(filename, 'w') as f: 
     f.write(filedata) 

不要忘了備份，以防文件beforehands你需要某種原因原稿：這可以如下進行。