Python绘制Pandas DataFrame连续数值型Label列分布图表

以下是几种常用的可视化方案，可根据需求选择：

1. 基础直方图（Matplotlib） #

适合快速查看数据的频数分布：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的DataFrame名为df
plt.figure(figsize=(10, 6))
# 自动选择最优分箱数，添加边框增强可读性
plt.hist(df['Label'], bins='auto', edgecolor='black', alpha=0.7)
plt.title('Label列数值分布直方图')
plt.xlabel('Label值')
plt.ylabel('频数')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

2. 直方图+核密度估计（Seaborn） #

在展示频数的同时，用曲线呈现数据的分布趋势，更直观：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(10, 6))
sns.histplot(data=df, x='Label', kde=True, bins='auto', edgecolor='black')
plt.title('Label列数值分布（含核密度估计）')
plt.xlabel('Label值')
plt.ylabel('频数/密度')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

3. 箱线图 #

用于快速识别数据的中位数、四分位数及异常值：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(8, 6))
sns.boxplot(data=df, x='Label')
plt.title('Label列数值分布箱线图')
plt.xlabel('Label值')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

4. 小提琴图 #

结合箱线图的统计量和密度图的分布形状，能更全面展示数据特征：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(8, 6))
sns.violinplot(data=df, x='Label')
plt.title('Label列数值分布小提琴图')
plt.xlabel('Label值')
plt.grid(axis='x', linestyle='--', alpha=0.7)
plt.show()

内容的提问来源于stack exchange，提问作者farnaz