如何将两列pandas数据帧的元素绘制为直方图？

Question

我有以下pandas数据帧：

    A                    B

    1                    3
    0                    2
    1                    4
    0                    1
    0                    3

我想绘制给定A的B实例的频率，如下所示：

     |
     |
     |        __
 B   |       |  |
     |  ___  |  |
     |  | |  |  |
     |  | |  |  |
     |__|_|__|__|______________
                A

因此，我尝试了以下内容：

df2.groupby([df.A, df.B]).count().plot(kind="bar")

但是，我收到以下异常：

TypeError: Empty 'DataFrame': no numeric data to plot

因此，我的问题是如何根据A？的频率绘制B中元素的频率。

Answer 1

这听起来像你想要的： 您可以使用Series.value_counts()

print(df['B'].value_counts().plot(kind='bar'))

如果您不希望排序value_count，则可以执行以下操作：

print(df['B'].value_counts(sort=False).plot(kind='bar'))

Answer 2

我不完全确定你的意思是“根据A的频率绘制B中元素的频率”，但这给出了预期的输出：

In [4]: df
Out[4]: 
      A  B
3995  1  3
3996  0  2
3997  1  4
3998  0  1
3999  0  3

In [8]: df['data'] = df['A']*df['B']

In [9]: df
Out[9]: 
      A  B  data
3995  1  3     3
3996  0  2     0
3997  1  4     4
3998  0  1     0
3999  0  3     0

In [10]: df[['A','data']].plot(kind='bar', x='A', y='data')
Out[10]: <matplotlib.axes._subplots.AxesSubplot at 0x7fde7eebb9e8>

In [11]: plt.show()

Answer 3

我相信如果您试图绘制b列中值的出现频率，这可能有所帮助。

from collections import Counter
vals = list(df['b'])
cntr = Counter(vals)
# Out[30]: Counter({1: 1, 2: 1, 3: 2, 4: 1})

vals = [(key,cntr[key]) for key in cntr]
x = [tup[0] for tup in vals]
y = [tup[1] for tup in vals]

plt.bar(x,y,label='Bar1',color='red')
plt.show()

使用histogram中的matplotlib的另一种方法。 首先声明一个bin数组，它基本上是你的值将进入的桶。

import matplotlib.pyplot as plt
import pandas as pd

l = [(1,3),(0,2),(1,4),(0,1),(0,3)]
df = pd.DataFrame(l)

df.columns = ['a','b']
bins = [1,2,3,4,5] #ranges of data
plt.hist(list(df['b']),bins,histtype='bar',rwidth=0.8)

Answer 4

这是我的方式：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame([[1,3],[0,2],[1,4],[0,1],[0,3]])
df.columns = ['A', 'B']
x = df.loc[:,'A'].values
y = df.loc[:,'B'].values
plt.bar(x, y, label = 'Bar', align='center',)
plt.xticks(x)
plt.show()