使用iterrows遍历Pandas DataFrame时，如何绘制每行光谱数据的直方图？

嘿，我刚好折腾过类似的光谱数据可视化需求！你用iterrows()遍历的思路没问题，但其实还有更高效的实现方式，下面一步步给你拆解：

1. 基础实现：结合iterrows()与Matplotlib #

既然你已经在使用iterrows()，那咱们先从这个思路落地。核心就是遍历每行时，把当前行的数值提取出来，传给matplotlib.pyplot.hist()即可。注意要给每个直方图加标题（比如用行索引或样本名称），如果要画多个图，记得单独创建画布避免重叠。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 构造模拟光谱数据：5行（样本），100列（波长/通道）
np.random.seed(42)
df = pd.DataFrame(
    np.random.normal(loc=100, scale=15, size=(5, 100)),
    index=[f"样本{i+1}" for i in range(5)]
)

# 用iterrows遍历每行画直方图
for idx, row in df.iterrows():
    plt.figure(figsize=(8, 4))
    plt.hist(row.values, bins=20, edgecolor='black', alpha=0.7)
    plt.title(f"光谱数据直方图 - {idx}")
    plt.xlabel("信号强度")
    plt.ylabel("频数")
    plt.grid(axis='y', linestyle='--', alpha=0.7)
    plt.show()

2. 更高效的方案：使用df.apply() #

iterrows()在处理大数据量时性能一般，因为它会把每行转成Series对象。用df.apply()直接对每行操作会更高效，代码也更简洁：

# 定义通用绘图函数
def plot_row_hist(row):
    plt.figure(figsize=(8, 4))
    plt.hist(row, bins=20, edgecolor='black', alpha=0.7)
    plt.title(f"光谱数据直方图 - {row.name}")
    plt.xlabel("信号强度")
    plt.ylabel("频数")
    plt.grid(axis='y', linestyle='--', alpha=0.7)
    plt.show()

# 对每行应用绘图函数
df.apply(plot_row_hist, axis=1)

3. 进阶：将所有直方图排列成子图网格 #

如果你的样本数很多，一个个单独显示图会很麻烦，可以把所有直方图排列成子图网格，方便对比不同光谱的分布特征：

rows = df.shape[0]
cols = 2  # 每行显示2个图
fig, axes = plt.subplots(
    nrows=(rows + cols - 1)//cols, 
    ncols=cols, 
    figsize=(16, 10)
)
axes = axes.flatten()  # 把二维轴数组转成一维，方便遍历

for idx, (row_name, row_data) in enumerate(df.iterrows()):
    axes[idx].hist(row_data, bins=20, edgecolor='black', alpha=0.7)
    axes[idx].set_title(f"{row_name}")
    axes[idx].set_xlabel("信号强度")
    axes[idx].set_ylabel("频数")
    axes[idx].grid(axis='y', linestyle='--', alpha=0.7)

# 隐藏多余的子图（如果样本数不是cols的整数倍）
for i in range(idx+1, len(axes)):
    axes[i].axis('off')

plt.tight_layout()  # 自动调整子图间距
plt.show()

内容的提问来源于stack exchange，提问作者sw14928