分别绘制所有 pandas 数据框列

Posted 2023-02-14

【中文标题】分别绘制所有 pandas 数据框列

【英文标题】：Plot all pandas dataframe columns separately

【发布时间】：2019-08-29 06:21:48

【问题描述】：

我有一个只有数字列的 pandas 数据框，我正在尝试为所有功能创建一个单独的直方图

ind group people value value_50
 1      1    5    100    1
 1      2    2    90     1
 2      1    10   80     1
 2      2    20   40     0
 3      1    7    10     0
 3      2    23   30     0

但在我的现实生活数据中有 50 多列，我怎样才能为它们创建一个单独的图

我试过了

df.plot.hist( subplots = True, grid = True)

它给了我一个重叠的不清楚的情节。

如何使用 pandas subplots = True 来排列它们。下面的示例可以帮助我在 (2,2) 网格中获取四列的图形。但它对所有 50 列都是一个很长的方法

fig, [(ax1,ax2),(ax3,ax4)]  = plt.subplots(2,2, figsize = (20,10))

【问题讨论】：

您想要 4 个子图中的 50 多个直方图？

你使用了紧凑的布局吗？

@goyo 不是 4 个子图，这只是一个例子

所以这是你不想要的一个例子。但是你想要什么？图应该是什么样子的？

@goyo 数据框中所有列的直方图，简单！在上面的例子中，它有 5 列，在我的实际例子中是 50。你能写一些通用的东西吗？我相信它可以做到

【参考方案1】：

Pandas subplots=True 会将坐标轴排列在一列中。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame(np.random.rand(7,20))

df.plot(subplots=True)

plt.tight_layout()
plt.show()

这里没有应用tight_layout，因为图形太小而不能很好地排列轴。不过可以使用更大的数字 (figsize=(...))。

为了将坐标轴放在网格上，可以使用layout 参数，例如

df.plot(subplots=True, layout=(4,5))

同样可以通过plt.subplots()创建坐标轴

fig, axes = plt.subplots(nrows=4, ncols=5)
df.plot(subplots=True, ax=axes)

【讨论】：

@ImportanceOfBeingErnest 你能弄清楚如何处理每个图中的 X 和 Y 轴比例吗？ !Here's the question

【参考方案2】：

如果你想单独绘制它们（这就是我在这里结束的原因），你可以使用

for i in df.columns:
    plt.figure()
    plt.hist(df[i])

【参考方案3】：

此任务的替代方法是使用带有超参数“布局”的“hist”方法。使用@ImportanceOfBeingErnest 提供的部分代码的示例：

import numpy as np
import matplotlib.pyplot as plt
import pandas  as pd

df = pd.DataFrame(np.random.rand(7,20))

df.hist(layout=(5,4), figsize=(15,10))

plt.show()

【参考方案4】：

使用pandas.DataFrame 我建议使用pandas.DataFrame.apply。使用自定义函数，在本例中为plot()，您可以单独打印和保存每个图形。

def plot(col):
 
    fig, ax = plt.subplots()
    ax.plot(col)
    plt.show()

df.apply(plot)

【参考方案5】：

虽然问题中没有要求，但我想我会补充一点，使用x 参数进行绘图将允许您为 x 轴数据指定一列。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame(np.random.rand(7,20),columns=list('abcdefghijklmnopqrst'))
df.plot(x='a',subplots=True, layout=(4,5))    

plt.tight_layout()
plt.show()

---

https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.plot.html