Python：如何获得显示数据框不同值的条形图概览？

Question

我使用这个 lambda 函数从数据框中获得了所有不同值的概览：

overview = df.apply(lambda col: col.unique())

这样会返回所需的结果：

ColA            [1,2,3,...]
ColB            [4,5,6,7,8,9...]
ColC            [A,B,C]
...             ...

如何使用子图/多个条形图可视化此结果？

我的第一次尝试只是将对象扔到数据框的 plot 方法中，这显然行不通。所以我尝试从对象中创建一个数据框：

overview = {}
for attr, value in overview.iteritems():
    overview[attr] = value

df = pd.DataFrame(overview)

输出是：

ValueError: arrays must all be same length

所以我正在尝试使用列表：

overview = []
for attr, value in obj_overview.iteritems():
    overview.append({attr: value})

df = pd.DataFrame(overview)

但结果是一个交叉矩阵，它的行数与列数一样多，行 n 引用列 n。这也是错误的。

如何使用显示数据框不同值的多个条形图/子图获得概览？

事实上，我想实现两个可能的目标：

1. 有多个条形图，每个图表代表原始数据框中的一列。 X 轴显示所有不同/唯一值，Y 轴显示每个这些值的出现次数。这是不错的选择。我知道我目前的方法无法涵盖这一点。它基于类似的插件 Alteryx，例如提供：

1. 我目前的方法应该可以做到这一点：只有一个（堆叠）条形图显示所有列，其中 x 轴显示每一列，每个相应的条包含所有不同的值。

谢谢！

Answer 1

通过value_counts 分开绘图：

import pandas as pd
from matplotlib import pyplot as plt

df = pd.DataFrame({'ColA': [1, 2, 4, 4, 5],
                   'ColB': [4, 4, 6, 6, 6],
                   'ColC': ['A', 'C', 'C', 'E', 'E']})


for col in df:
    df[col].value_counts().sort_index().plot(kind='bar', rot=0, ylabel='count')
    plt.show()

ColA	ColB	ColC

---

通过melt + crosstab 的单个堆叠图：

import pandas as pd
from matplotlib import pyplot as plt

df = pd.DataFrame({'ColA': [1, 2, 4, 4, 5],
                   'ColB': [4, 4, 6, 6, 6],
                   'ColC': ['A', 'C', 'C', 'E', 'E']})

overview = df.melt()
overview = pd.crosstab(overview['variable'], overview['value'])

ax = overview.plot(kind='bar', stacked=True, rot=0, ylabel='count')
ax.legend(bbox_to_anchor=(1.2, 1))
plt.tight_layout()
plt.show()

Answer 2

这将为您提供所有数字列的热图和所有字母列的热图，其中颜色表示出现次数。这是另一种绘制信息的方式。

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

col_dict = {
    'A': [1,2,3],
    'B': [3,4,4,4,5,5,6],
    'C': ['A','B','C'],
    'D': ['C', 'D', 'D']
}

num_cols = []
num_idx = []
letter_cols = []
letter_idx = []

for col in col_dict:
    if isinstance(col_dict[col][0], int):
        num_cols += col_dict[col]
        num_idx.append(col)
    else:
        letter_cols += col_dict[col]
        letter_idx.append(col)

num_cols = sorted(list(set(num_cols)))
letter_cols = sorted(list(set(letter_cols)))

num_df = pd.DataFrame(0, index=num_idx, columns=num_cols)
letter_df = pd.DataFrame(0, index=letter_idx, columns=letter_cols)

for col in col_dict:
    if isinstance(col_dict[col][0], int):
        for item in col_dict[col]:
            num_df.loc[col, item] += 1
    else:
        for item in col_dict[col]:
            letter_df.loc[col, item] += 1

print(num_df)
print(letter_df)

plt.set_cmap('inferno')

plt.pcolor(num_df)
plt.yticks(np.arange(0.5, len(num_df.index), 1), num_df.index)
plt.xticks(np.arange(0.5, len(num_df.columns), 1), num_df.columns)
plt.colorbar()
plt.xlabel('Counts')
plt.ylabel('Columns')
plt.title('Numerical occurrences')

plt.figure()
plt.pcolor(letter_df)
plt.yticks(np.arange(0.5, len(letter_df.index), 1), letter_df.index)
plt.xticks(np.arange(0.5, len(letter_df.columns), 1), letter_df.columns)
plt.colorbar()
plt.xlabel('Counts')
plt.ylabel('Columns')
plt.title('Aphabetical occurrences')

plt.show()