如何在Python中循环为每个ID生成分数计数多图？

现有一张包含id、score1、score2、score3、score4列的表格，数据如下：

| id | score1 | score2  | score3   | score4  |
|----|--------|---------|----------|---------|
| 1  | 0.05   | 0.0608  | 0.476464 | 0.53535 |
| 1  | 0.08   | 0.0333  | 0.8263   | 0.9463  |
| 1  | 0.05   | 0.0926  | 0.8694   | 0.9903  |
| 2  | 0.08   | 0.0425  | 0.1948   | 0.3958  |
| 2  | 0.09   | 0.0992  | 0.1238   | 0.1937  |
| 4  | 0.1    | 0.0627  | 0.0738   | 0.0987  |
| 4  | 0.05   | 0.06262 | 0.721    | 0.12    |
| 4  | 0.04   | 0.05227 | 0.0825   | 0.283   |
| 4  | 0.02   | 0.04728 | 0.0628   | 0.0936  |

需求是为每个id（1、2、4）分别生成独立图表，展示4个分数的计数分布。目前通过SQL对分数分类后，只能用以下Python代码生成单图：

plt.figure(figsize=(10, 6))
sns.countplot(x='score', data=df1)
plt.xlabel('Score')
plt.xticks(rotation=90)
plt.ylabel('Count')
plt.title('Distribution per score - id 1')
plt.show()

请问有没有仅用Python循环生成所有对应图表的简便方法？

当然可以，核心是先把宽格式数据转成适合统计的长格式，再循环遍历每个id生成图表，具体步骤如下：

1. 转换数据格式 #

用pandas.melt把宽表转成长表，让所有分数值集中到一列，方便后续计数统计：

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

# 假设原始数据已加载到DataFrame df中
df_melted = df.melt(
    id_vars='id',
    value_vars=['score1', 'score2', 'score3', 'score4'],
    var_name='score_type',
    value_name='score'
)

2. 循环生成每个id的图表 #

遍历所有唯一id，筛选对应数据后绘制countplot：

# 获取所有不重复的id
unique_ids = df['id'].unique()

for current_id in unique_ids:
    # 筛选当前id的所有分数数据
    id_data = df_melted[df_melted['id'] == current_id]
    
    # 绘制图表
    plt.figure(figsize=(10, 6))
    sns.countplot(x='score', data=id_data)
    plt.xlabel('Score')
    plt.xticks(rotation=90)
    plt.ylabel('Count')
    plt.title(f'Distribution per score - id {current_id}')
    plt.tight_layout()  # 自动调整布局，避免标签被截断
    plt.show()

额外提示 #

• 如果你的SQL已经完成了分数分类（比如把数值分成区间），直接用分类后的score列即可，无需额外处理数值
• 要是需要保存图表，在plt.show()前添加plt.savefig(f'score_distribution_id_{current_id}.png')，就能把每个id的图表保存为单独的图片文件

内容的提问来源于stack exchange，提问作者sonia