使用DataFrame.plot.hist与Series.plot.hist绘制直方图结果不一致

数据可从加州大学欧文分校机器学习数据库下载。

用户代码：

import pandas as pd
i_94 = pd.read_csv('./Downloads/Guided_Project_ Finding_Heavy_Traffic_Indicators_on I-94/Metro_Interstate_Traffic_Volume.csv')
import matplotlib.pyplot as plt
%matplotlib inline # for my Jupyter notebook
i_94.plot.hist(column='traffic_volume', bins=10)
traffic_volume = i_94['traffic_volume']
traffic_volume.plot.hist(bins=10)

问题：我认为两者绘制的是同一列数据，直方图应该完全相同，但实际显示结果不同（见下图：上方为DataFrame绘制的直方图，左侧柱子高度明显高于下方Series绘制的直方图，两者y轴刻度范围不同）。

原因分析 #

核心问题出在旧版本pandas中DataFrame.plot.hist()的column参数行为异常：

• 调用i_94.plot.hist(column='traffic_volume', bins=10)时，该版本的pandas没有正确识别column参数，导致绘图函数默认对DataFrame中所有数值列（比如temp、rain_1h、snow_1h、traffic_volume等）绘制直方图，且默认以重叠方式展示。
• 其他数值列（如rain_1h、snow_1h存在大量0值）的直方图会和traffic_volume的直方图重叠，使得左侧柱子的高度是多列计数的叠加，因此看起来比单独绘制traffic_volume列的直方图（第二个图）更高。

解决方法 #

• 明确选择目标列：改用i_94[['traffic_volume']].plot.hist(bins=10)，通过切片生成仅包含目标列的DataFrame，确保只绘制该列的直方图。
• 升级pandas版本：新版本的pandas已修复column参数的问题，升级后i_94.plot.hist(column='traffic_volume', bins=10)会正确只绘制指定列。

快速加载示例数据的代码：

import pandas as pd
import requests

url = 'https://archive.ics.uci.edu/ml/machine-learning-databases/00492/Metro_Interstate_Traffic_Volume.csv.gz'

file = 'Metro_Interstate_Traffic_Volume.csv.gz'

content = requests.get(url).content
with open(file, 'wb') as f:
    f.write(content)

i_94 = pd.read_csv(file, compression='gzip')

内容的提问来源于stack exchange，提问作者Gwater17