将字符串的Pandas DataFrame转换为直方图

Question

假设我有一个像这样创建的DataFrame：

import pandas as pd
s1 = pd.Series(['a', 'b', 'a', 'c', 'a', 'b'])
s2 = pd.Series(['a', 'f', 'a', 'd', 'a', 'f', 'f'])
d = pd.DataFrame({'s1': s1, 's2', s2})

真实数据中的字符串中有很多稀疏性。我想创建字符串出现的直方图，看起来像d.hist（）（例如子图）生成的s1和s2（每个子图一个）。

只是做d.hist（）会出现这个错误：

/Library/Python/2.7/site-packages/pandas/tools/plotting.pyc in hist_frame(data, column, by, grid, xlabelsize, xrot, ylabelsize, yrot, ax, sharex, sharey, **kwds)
   1725         ax.xaxis.set_visible(True)
   1726         ax.yaxis.set_visible(True)
-> 1727         ax.hist(data[col].dropna().values, **kwds)
   1728         ax.set_title(col)
   1729         ax.grid(grid)

/Library/Python/2.7/site-packages/matplotlib/axes.pyc in hist(self, x, bins, range, normed, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, **kwargs)
   8099             # this will automatically overwrite bins,
   8100             # so that each histogram uses the same bins
-> 8101             m, bins = np.histogram(x[i], bins, weights=w[i], **hist_kwargs)
   8102             if mlast is None:
   8103                 mlast = np.zeros(len(bins)-1, m.dtype)

/System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python/numpy/lib/function_base.pyc in histogram(a, bins, range, normed, weights, density)
    167             else:
    168                 range = (a.min(), a.max())
--> 169         mn, mx = [mi+0.0 for mi in range]
    170         if mn == mx:
    171             mn -= 0.5

TypeError: cannot concatenate 'str' and 'float' objects

我想我可以手动浏览每个系列，执行value_counts()，然后将其绘制为条形图，并手动创建子图。我想检查是否有更简单的方法。

Answer 1

重新创建数据框：

import pandas as pd
s1 = pd.Series(['a', 'b', 'a', 'c', 'a', 'b'])
s2 = pd.Series(['a', 'f', 'a', 'd', 'a', 'f', 'f'])
d = pd.DataFrame({'s1': s1, 's2': s2})

根据需要获得包含子图的直方图：

d.apply(pd.value_counts).plot(kind='bar', subplots=True)

OP在问题中提到pd.value_counts。我认为缺少的部分只是没有理由“手动”创建所需的条形图。

d.apply(pd.value_counts)的输出是一个pandas数据帧。我们可以像任何其他数据框一样绘制值，并选择选项subplots=True可以提供我们想要的内容。

Answer 2

您可以使用pd.value_counts（value_counts也是一种系列方法）：

In [20]: d.apply(pd.value_counts)
Out[20]: 
   s1  s2
a   3   3
b   2 NaN
c   1 NaN
d NaN   1
f NaN   3

并绘制生成的DataFrame。

Answer 3

我会将系列推入collections.Counter（documentation）（您可能需要先将其转换为列表）。我不是pandas专家，但我认为您应该能够将Counter对象折回到Series，并按字符串编制索引，并使用它来制作您的情节。 / p>

这不起作用，因为当它试图猜测bin边缘应该在哪里时（正确地）引发错误，这对于字符串来说是没有意义的。