如何为Pandas DataFrame指定列批量绘制Seaborn KDE密度图？

问题场景 #

需要为DataFrame df中outliers.index指定的异常值变量（如SalePrice、LotArea）绘制密度图，要求用kdeplot按2-3行排列展示，但运行代码时触发ValueError: Could not interpret value SalePrice for parameter x错误。

原代码如下：

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(15, 7), sharex=False, sharey=False)
axes = axes.ravel()  # array to 1D
cols = outliers.index  # create a list of dataframe columns to use
print(cols)

for col, ax in zip(cols, axes):
    data = df[col]  # select the data
    sns.kdeplot(data=data, x=col, shade=True, ax=ax)
    ax.set(title=f'Distribution of Column: {col}', xlabel=None)
    
fig.delaxes(axes[5])  # delete the empty subplot
fig.tight_layout()
plt.show()

错误原因 #

当data参数传入的是单列Series（即df[col]）时，再指定x=col会导致Seaborn误解：它会尝试在这个Series里寻找名为col（比如"SalePrice"）的列，但Series本身只有一列数据，没有对应的列名索引，因此抛出无法识别参数的错误。

修正方案 #

有两种可行的修正方式：

方式1：直接使用Series作为x数据源 #

去掉x=col参数，让kdeplot直接使用传入的Series数据：

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(15, 7), sharex=False, sharey=False)
axes = axes.ravel()
cols = outliers.index
print(cols)

for col, ax in zip(cols, axes):
    data = df[col]
    # 移除x参数，直接用data作为绘图数据
    sns.kdeplot(data=data, shade=True, ax=ax)
    ax.set(title=f'Distribution of Column: {col}', xlabel=None)
    
# 仅当cols数量小于6时删除多余子图，可根据实际列数调整索引
if len(cols) < 6:
    fig.delaxes(axes[len(cols)])
fig.tight_layout()
plt.show()

方式2：传入整个DataFrame并指定x列名 #

将data设为完整的df，然后通过x=col指定要绘制的列：

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(15, 7), sharex=False, sharey=False)
axes = axes.ravel()
cols = outliers.index
print(cols)

for col, ax in zip(cols, axes):
    # 传入整个DataFrame，用x指定列名
    sns.kdeplot(data=df, x=col, shade=True, ax=ax)
    ax.set(title=f'Distribution of Column: {col}', xlabel=None)
    
if len(cols) < 6:
    fig.delaxes(axes[len(cols)])
fig.tight_layout()
plt.show()

补充优化 #

如果outliers.index的长度不确定，建议动态计算子图的行数和列数，避免手动处理多余子图的麻烦：

num_cols = len(cols)
rows = (num_cols + 2) // 3  # 按3列排列，自动计算所需行数
fig, axes = plt.subplots(nrows=rows, ncols=3, figsize=(15, 3*rows), sharex=False, sharey=False)
axes = axes.ravel()

for idx, col in enumerate(cols):
    sns.kdeplot(data=df, x=col, shade=True, ax=axes[idx])
    axes[idx].set(title=f'Distribution of Column: {col}', xlabel=None)

# 删除未使用的子图
for idx in range(num_cols, len(axes)):
    fig.delaxes(axes[idx])
fig.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Katsu