Pandas Histogramm df.hist() group by

Wie plot, ein Histogramm mit pandas DataFrame.hist() mit group by?
Ich habe einen Daten-frame mit 5 Spalten: "A", "B", "C", "D" und "Gruppe"

Gibt es zwei Gruppen von Klassen: "ja" und "Nein"

Mit:

df.hist()

Bekomme ich die be für jede der 4 Spalten.

Pandas Histogramm df.hist() group by

Jetzt würde ich mag, um das gleiche 4-Graphen, aber mit blauen Balken (Gruppe="ja") und roten Balken (Gruppe = "Nein").

Ich versuchte dies ohne Erfolg:

df.hist(by = "group")

Pandas Histogramm df.hist() group by

InformationsquelleAutor Hangon | 2017-08-25

  1. 8

    Dies ist nicht der flexibelste workaround, aber funktioniert für deine Frage konkret.

    def sephist(col):
    yes = df[df['group'] == 'yes'][col]
    no = df[df['group'] == 'no'][col]
    return yes, no

for num, alpha in enumerate('abcd'):
    plt.subplot(2, 2, num)
    plt.hist(sephist(alpha)[0], bins=25, alpha=0.5, label='yes', color='b')
    plt.hist(sephist(alpha)[1], bins=25, alpha=0.5, label='no', color='r')
    plt.legend(loc='upper right')
    plt.title(alpha)
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

    Pandas Histogramm df.hist() group by

    Den man machen kann diese allgemeineren:

    • hinzufügen eines df und by parameter sephist: def sephist(df, by, col)
    • machen die Nebenhandlungen loop flexibler: for num, alpha in enumerate(df.columns)

    Weil das erste argument zu matplotlib.pyplot.hist nehmen können

    entweder ein einzelnes array oder eine sequency von arrays, die nicht benötigt werden
    die gleiche Länge

    ...eine Alternative wäre:

    for num, alpha in enumerate('abcd'):
    plt.subplot(2, 2, num)
    plt.hist((sephist(alpha)[0], sephist(alpha)[1]), bins=25, alpha=0.5, label=['yes', 'no'], color=['r', 'b'])
    plt.legend(loc='upper right')
    plt.title(alpha)
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

    Pandas Histogramm df.hist() group by

    danke. Seltsam zu denken, dass eine solche Visualisierung nicht in einem Pandabären-Methode enthalten.

    InformationsquelleAutor Brad Solomon

  2. 8

    Mit Seaborn

    Wenn Sie offen sind zu verwenden Seaborn, ein Grundstück mit mehreren Nebenhandlungen und mehrere Variablen innerhalb jeder Teilfläche kann leicht gemacht mit seaborn.FacetGrid.

    import numpy as np; np.random.seed(1)
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.randn(300,4), columns=list("ABCD"))
df["group"] = np.random.choice(["yes", "no"], p=[0.32,0.68],size=300)

df2 = pd.melt(df, id_vars='group', value_vars=list("ABCD"), value_name='value')

bins=np.linspace(df2.value.min(), df2.value.max(), 10)
g = sns.FacetGrid(df2, col="variable", hue="group", palette="Set1", col_wrap=2)
g.map(plt.hist, 'value', bins=bins, ec="k")

g.axes[-1].legend()
plt.show()

    Pandas Histogramm df.hist() group by

    InformationsquelleAutor ImportanceOfBeingErnest

Schreibe einen Kommentar