循环遍历数据框中的列以按类别生成直方图

Posted 2023-03-12

【中文标题】循环遍历数据框中的列以按类别生成直方图

【英文标题】：Loop over columns in a dataframe to produce histograms by category

【发布时间】：2020-06-10 18:46:02

【问题描述】：

我想根据结果变量（目标列）调查我的 df 中所有特征（列）的频率分布。搜索解决方案后，我发现了来自here 的漂亮 sn-p，它循环特征并为来自 Scikit-learn 的癌症数据集中的特征生成直方图。

import numpy as np
import matplotlib.pyplot as plt 
# from matplotlib.pyplot import matplotlib
fig,axes =plt.subplots(10,3, figsize=(12, 9)) # 3 columns each containing 10 figures, total 30 features
malignant=cancer.data[cancer.target==0] # define malignant
benign=cancer.data[cancer.target==1] # define benign
ax=axes.ravel()# flat axes with numpy ravel
for i in range(30):
  _,bins=np.histogram(cancer.data[:,i],bins=40)
  ax[i].hist(malignant[:,i],bins=bins,color='r',alpha=.5)
  ax[i].hist(benign[:,i],bins=bins,color='g',alpha=0.3)
  ax[i].set_title(cancer.feature_names[i],fontsize=9)
  ax[i].axes.get_xaxis().set_visible(False) # the x-axis co-ordinates are not so useful, as we just want to look how well separated the histograms are
  ax[i].set_yticks(())
ax[0].legend(['malignant','benign'],loc='best',fontsize=8)
plt.tight_layout()# let's make good plots
plt.show() 

假设我的 df 具有跨连续列组织的所有特征和目标变量，我将如何遍历我的列以重现直方图。我考虑过的一种解决方案是groupby 方法。

df.groupby("class").col01.plot(kind='kde', ax=axs[1]) 

非常感谢任何想法！

【问题讨论】：

包含的解决方案有什么问题？

我无法为不同的类别分配自定义颜色。是否可以调整循环 sn-p 使其适用于我的 df 结构？

【参考方案1】：

其实你可以用sns.FacetGrid这个：

# Random data:
np.random.seed(1)
df = pd.DataFrame(np.random.uniform(0,1,(100,6)), columns=list('ABCDEF'))
df['class'] = np.random.choice([0,1], p=[0.3,0.7], size=len(df))

# plot
g = sns.FacetGrid(df.melt(id_vars='class'), 
                  col='variable', 
                  hue='class',
                  col_wrap=3)                # change this to your liking
g = g.map(sns.kdeplot, "value", alpha=0.5)

输出：