如何实现类似pandas DataFrame.hist()的分类变量子图柱状图？

我喜爱pandas中DataFrame的hist方法，它能自动筛选DataFrame中的所有数值列，生成一组完整的直方图子图，仅需如下简洁高效的代码：

df.hist(bins=50, figsize=(15,10))
plt.show()

但我无法为所有分类列实现类似功能，即生成一组柱状图子图。尝试执行以下代码时出现报错（因非数值型数据）：

df.select_dtypes("object").plot(kind="bar", subplots=True) # Error because not numeric values

请问能否修改上述代码使其生效？subplots参数的实际用法是怎样的？或者是否有其他同样简便快捷的方法实现需求？

一、修改原代码使其生效 #

原代码报错核心原因是：plot(kind="bar")要求输入数据为数值型，而分类列（object/category类型）直接传入时没有对应数值。解决思路是先统计每个分类列的类别频次，再基于频次数值生成柱状图。

修改后的代码如下：

import matplotlib.pyplot as plt

# 筛选所有分类列（包含object和category类型）
cat_cols = df.select_dtypes(include=["object", "category"])
# 对每个分类列统计类别频次
freq_df = cat_cols.apply(lambda col: col.value_counts())
# 生成子图柱状图，layout可根据分类列数量调整
freq_df.plot(kind="bar", subplots=True, figsize=(15, 10), layout=(2, 3))
plt.tight_layout()
plt.show()

二、subplots参数的实际用法 #

subplots是pandas绘图接口的通用参数，作用明确：

• 设置为True时，DataFrame的每一列数据会单独生成一个子图，每个子图拥有独立坐标轴；
• 设置为False（默认值）时，所有列的数据会绘制在同一个坐标轴上，形成叠加图表；
• 注意：该参数仅在列数据符合图表类型要求时生效，比如柱状图要求列数据为数值型，因此分类列必须先转换为频次统计后的数值才能使用。

三、更灵活的替代方法（基于Seaborn） #

如果需要更美观的可视化效果，可以使用Seaborn库批量生成分类列的柱状图子图，代码如下：

import matplotlib.pyplot as plt
import seaborn as sns

cat_cols = df.select_dtypes(include=["object", "category"])
# 计算子图网格的行数和列数
n_cols = 3
n_rows = (len(cat_cols.columns) + n_cols - 1) // n_cols

# 创建子图网格
fig, axes = plt.subplots(n_rows, n_cols, figsize=(15, 10))
axes = axes.flatten()

# 遍历每个分类列生成柱状图
for idx, col_name in enumerate(cat_cols.columns):
    sns.countplot(data=df, x=col_name, ax=axes[idx])
    axes[idx].tick_params(axis='x', rotation=45)  # 旋转x轴标签避免重叠
    axes[idx].set_title(f"Distribution of {col_name}")

# 隐藏多余的空图
for idx in range(len(cat_cols.columns), len(axes)):
    axes[idx].axis('off')

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Dince-afk