如何按序数等级排序并可视化职业频次分布

本文详解如何基于预定义的序数等级（如 occupation_rank 字典）对分类数据进行有序排列，并绘制准确反映等级顺序的条形图（非直方图），涵盖排序逻辑、pandas 适配及 matplotlib 可视化最佳实践。

本文详解如何基于预定义的序数等级（如 occupation_rank 字典）对分类数据进行有序排列，并绘制准确反映等级顺序的条形图（非直方图），涵盖排序逻辑、pandas 适配及 matplotlib 可视化最佳实践。

在数据分析中，当面对具有语义顺序但非数值连续的分类变量（例如职业等级：'Farming-fishing' → 1，'Prof-specialty' → 14）时，直接调用 .hist() 会错误地将类别视为无序离散值或强制数值分箱，导致横轴失去可解释性——这本质上不是直方图（histogram）问题，而是有序条形图（ordered bar chart） 的构建任务。

关键在于：先按预设序数映射对类别重排序，再绘制频次条形图。以下是完整、可复现的实现流程：

✅ 步骤一：按序数等级排序职业类别

使用 sorted(..., key=itemgetter(1)) 按字典值（即 rank）升序排列键值对，并重建为有序字典（Python 3.7+ 原生保持插入顺序）：

Replit Ghostwrite

一种基于 ML 的工具，可提供代码完成、生成、转换和编辑器内搜索功能。

from operator import itemgetter
import pandas as pd
import matplotlib.pyplot as plt

occupation_rank = {
    ' Adm-clerical': 5, 
    ' Exec-managerial': 13, 
    ' Handlers-cleaners': 2, 
    ' Prof-specialty': 14,
    ' Other-service': 4, 
    ' Sales': 9, 
    ' Craft-repair': 8, 
    ' Transport-moving': 7,
    ' Farming-fishing': 1, 
    ' Machine-op-inspct': 6,
    ' Tech-support': 10, 
    ' Protective-serv': 11, 
    ' Armed-Forces': 12, 
    ' Priv-house-serv': 3 
}

# 按 rank 升序排序，生成有序职业列表
ordered_occupations = [k for k, v in sorted(occupation_rank.items(), key=itemgetter(1))]
print("有序职业列表（由低到高）:", ordered_occupations)
# 输出: [' Farming-fishing', ' Handlers-cleaners', ..., ' Prof-specialty']

✅ 步骤二：统计频次并按指定顺序对齐

利用 pd.Categorical 强制 occupation 列遵循该顺序，再用 value_counts() 保证输出顺序一致：

# 假设 adult_data 是你的 DataFrame，且列名为 'occupation'
# 将 occupation 列转为按 rank 排序的有序分类类型
adult_data['occupation_cat'] = pd.Categorical(
    adult_data['occupation'],
    categories=ordered_occupations,
    ordered=True
)

# 统计频次（自动按 categories 顺序返回）
freq_series = adult_data['occupation_cat'].value_counts().sort_index()  # sort_index() 确保严格按 category 顺序

✅ 步骤三：绘制语义清晰的有序条形图

避免使用 .hist()（它适用于连续数值分布），改用 .plot.bar() 并关闭网格以提升可读性：

plt.figure(figsize=(12, 6))
ax = freq_series.plot.bar(color='steelblue', width=0.8)
plt.title('职业频次分布（按预定义等级升序排列）', fontsize=14)
plt.xlabel('职业（等级由低到高）', fontsize=12)
plt.ylabel('频次', fontsize=12)
plt.xticks(rotation=45, ha='right')
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

⚠️ 注意事项与常见误区

• 勿混淆 histogram 与 bar chart：直方图（hist()）用于连续数值的区间分箱；而职业是离散、有序类别，必须用条形图（bar()）。
• sort_index() ≠ sort_values()：此处需按索引（即职业名）排序，因索引已按 ordered_occupations 对齐；若误用 sort_values()，会打乱等级顺序。
• 缺失类别处理：若数据中存在 occupation_rank 未覆盖的职业，Categorical 会将其设为 NaN；建议提前校验：adult_data['occupation'].isin(occupation_rank.keys()).all()。
• 可视化增强：可叠加等级数字标签（ax.bar_label()）或用颜色渐变映射 rank 值，进一步强化顺序感知。

通过以上三步，你将获得一张横轴严格对应业务定义的序数等级、纵轴为真实频次的专业图表——这才是面向有序分类变量的正确可视化范式。