为所有分类变量值创建直方图

Question

我有下面的示例数据之类的数据，下面有带有分类数据（如“ var1”和“ var2”）的列，然后有包含连续数据的列。我想做的是通过分类列中的每个值为每个连续变量创建直方图。我已经在下面的示例代码中针对var1 ='Y'完成了此操作，但我想针对var1 ='N'和每个var2值进行了此操作。除了手动反复编码或将其转化为函数外，还有其他简单的方法吗？

示例数据：

ltrace

代码：

var1=['Y','N','Y','Y','N','Y']
var2=['S','V','H','S','V','H']
cont1=[1,3,4,5,2,7]
cont2=[4,3,4,5,5,7]
cont3=[3,7,4,5,2,1]

data={'var1':var1,'var2':var2,'cont1':cont1,'cont2':cont2,'cont3':cont3}

df=pd.DataFrame(data)

Answer 1

在by中使用pandas.DataFrame.hist()参数：

如果您想为var1和var2的每种组合看到一个连续变量：

df.hist(column='cont1', by=['var1','var2'])

如果要针对var1和var的每种组合在同一图上查看所有不同颜色的连续变量：

df.hist(by=['var1', 'var2'])

如果您希望以这种方式查看数据，也可以对每个分类列单独使用by参数：

df.hist(by='var1')

df.hist(by='var2')

显然，对于您的示例数据而言，它们看起来太简单了一点，但是我认为，如果将这种语法应用于数据，那么您应该能够找到想要的结果。

编辑： 如果您想轻松地浏览列列表，则可以在列表理解中使用它，并根据需要使用返回的轴数组，或者在for循环中使用它，将轴更复杂地处理成所需输出的图形

varsToLoop = ['var1','var2']
[df.hist(by=x) for x in varsToLoop]