绘制多标签直方图出现未指定异常颜色，是否存在隐藏数据？

我用以下Python代码绘制训练集（train_df）、验证集（val_df）、测试集（test_df）的直方图，用于检查数据分布：

def plot_train_test_hist(train_df, val_df,test_df,bins=1000, colname='exp_mean'):
    ''' Check distribution of train/test scores, sanity check that its not skewed'''
    plt.hist(train_df[colname].values,bins=bins,label='train',alpha=0.7)
    plt.hist(val_df[colname].values,bins=bins,label='val',alpha=0.5)
    plt.hist(test_df[colname].values,bins=bins,label='test',alpha=0.4)
    plt.legend()
    plt.xlabel(colname,fontsize=14)
    plt.ylabel("Count",fontsize=14)
    plt.suptitle("Histogram of dataset")
    plt.title('w/o masking in Log',size= 'small')
    plt.show()

绘图后出现了我未指定的颜色，怀疑是否存在隐藏数据导致该现象？附生成的直方图：

• 这不是隐藏数据导致的，是Matplotlib的默认行为：plt.hist在未指定color参数时，会自动使用Matplotlib内置的颜色循环序列，依次给每个直方图分配不同颜色，目的是区分不同数据集，属于正常现象。你图中的三个颜色分别对应train、val、test的图例，逻辑匹配，并非异常。

• 如果想自定义颜色，只需在每个plt.hist调用中添加color参数即可，示例：

  plt.hist(train_df[colname].values,bins=bins,label='train',alpha=0.7, color='#1f77b4')
  plt.hist(val_df[colname].values,bins=bins,label='val',alpha=0.5, color='#ff7f0e')
  plt.hist(test_df[colname].values,bins=bins,label='test',alpha=0.4, color='#2ca02c')
  

• 若要验证是否存在隐藏数据，可以通过以下代码检查数据集的基本信息：

  # 查看数据集样本数量
  print(f"训练集样本数：{len(train_df)}, 验证集样本数：{len(val_df)}, 测试集样本数：{len(test_df)}")
  # 查看目标列的统计信息
  print("训练集exp_mean列统计：\n", train_df['exp_mean'].describe())
  print("验证集exp_mean列统计：\n", val_df['exp_mean'].describe())
  print("测试集exp_mean列统计：\n", test_df['exp_mean'].describe())
  

  对比输出的样本数和统计值是否符合预期，即可确认数据是否存在异常。

内容的提问来源于stack exchange，提问作者Jin_soo