Python：如何获得显示数据框不同值的条形图概述？

Question

我使用此 lambda 函数从数据框中获取所有不同值的概述：

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

它返回所需的结果，如下所示：

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进数据框的绘图方法中，这显然不起作用。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

所以我尝试使用一个列表：

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，其行数与列数相同，并且第 n 行引用第 n 列。这也是错误的。

如何使用显示数据框不同值的多个条形图/子图来获得概览？

事实上，我想实现两个可能的目标：

1. 有多个条形图，其中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 轴显示每个值的出现情况。这是一个很好的选择。我知道我目前的方法无法涵盖这一点。它基于 Alteryx 的类似插件，例如提供：

2. 我当前的方法应该可以实现这一点：只有一个（堆叠的）条形图显示所有列，其中 x 轴显示每一列，每个相应的条形图都包含所有不同的值。

谢谢！

Answer 1

通过以下方式单独绘图value_counts：

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()

可乐	科尔B	科尔C

melt通过+的单堆积图crosstab：

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()