Matplotlib直方图仅单bin异常及子图Y轴数值偏差求助

嘿，我来帮你拆解一下这两个Matplotlib可视化里的常见问题，咱们一步步排查解决：

一、子图Y轴数值偏差、显示异常的原因与解决 #

你遇到的子图Y轴看起来“异常”，大概率是数据分布差异或离群值导致的自动缩放问题：

• 不同列的数据计数差距极大：比如某列的高频区间计数是1000，另一列只有100，Matplotlib会给每个子图自动适配Y轴范围，导致计数少的子图看起来条形特别矮，像“显示异常”
• 极端离群值：如果某列存在极少数极大值，会把Y轴范围拉得很宽，让大部分正常数据的条形几乎看不到

解决办法： #

1. 先排查数据分布：先打印各列的描述性统计，确认数据的离散程度和是否有离群值：

   print(df[['AVG_TIME_BETWEEN_PURCHASES', 'DAYS_SINCE_LAST_ORDER', 
             'CUSTOMER_LIFETIME_VALUE', 'AVERAGE_ORDER_VALUE', 
             'CATEGORY_REVENUE_PARFUM']].describe())
   

2. 统一子图Y轴尺度：如果希望各子图的Y轴保持一致，方便对比，在创建子图时加上sharey=True：

   fig, (ax1, ax2, ax3, ax4, ax5) = plt.subplots(1,5, figsize=(16,4), sharey=True)
   

3. 手动限制Y轴范围：如果确认是离群值导致，可以给异常子图单独设置Y轴上限：

   ax3.set_ylim(bottom=0, top=500)  # 替换成适合你数据的数值
   

4. 数据转换：对数值跨度极大的列（比如客户终身价值），可以尝试对数转换压缩范围：

   ax3.hist(np.log1p(df['CUSTOMER_LIFETIME_VALUE']), edgecolor='white', bins=20)
   ax3.set_xlabel('Log(Total Revenue)')
   

二、直方图仅显示单个Bin的原因与解决 #

你在ax3、ax4、ax5里没有指定bins参数，加上数据本身分布过于集中，就会出现单个Bin的情况：

• 数据集中在极小范围：比如CATEGORY_REVENUE_PARFUM大部分值是0，或者只有极少数非零值，Matplotlib默认的分箱逻辑会把所有数据塞进一个Bin里
• 默认分箱数不匹配：Matplotlib默认的分箱数可能不适合你的数据分布，导致分箱过粗

解决办法： #

1. 检查数据取值情况：先看看目标列的具体值分布：

   print(df['CATEGORY_REVENUE_PARFUM'].value_counts())
   print(df['CATEGORY_REVENUE_PARFUM'].unique())
   

2. 统一指定bins参数：给所有直方图都明确设置bins=20（或者根据数据调整分箱数），避免默认分箱的问题：

   ax3.hist(df['CUSTOMER_LIFETIME_VALUE'], edgecolor='white', bins=20)
   

3. 过滤无效值：如果是大量0值导致的单Bin问题，可以过滤掉0后再绘制：

   parfum_data = df[df['CATEGORY_REVENUE_PARFUM'] > 0]['CATEGORY_REVENUE_PARFUM']
   ax5.hist(parfum_data, edgecolor='white', align='mid', bins=20)
   ax5.set_xlabel('Revenue Parfum (ohne 0-Werte)')
   

修改后的完整示例代码 #

import matplotlib.pyplot as plt
import numpy as np

# 先检查数据统计，排查异常
print(df[['AVG_TIME_BETWEEN_PURCHASES', 'DAYS_SINCE_LAST_ORDER', 
          'CUSTOMER_LIFETIME_VALUE', 'AVERAGE_ORDER_VALUE', 
          'CATEGORY_REVENUE_PARFUM']].describe())

# 创建子图，可选共享Y轴便于对比
fig, (ax1, ax2, ax3, ax4, ax5) = plt.subplots(1,5, figsize=(16,4))

# 第一张子图：购买间隔
ax1.hist(df['AVG_TIME_BETWEEN_PURCHASES'], edgecolor='white', align='mid', bins=20)
ax1.set_xlabel('Abstand zw. Käufen')
ax1.set_ylabel('Count')

# 第二张子图：最后一次订单间隔天数
ax2.hist(df['DAYS_SINCE_LAST_ORDER'], edgecolor='white', align='mid', bins=20)
ax2.set_xlabel('vergangene Tage')

# 第三张子图：客户终身价值（对数转换压缩范围）
ax3.hist(np.log1p(df['CUSTOMER_LIFETIME_VALUE']), edgecolor='white', bins=20)
ax3.set_xlabel('Log(Total Revenue)')

# 第四张子图：平均订单价值
ax4.hist(df['AVERAGE_ORDER_VALUE'], edgecolor='white', align='mid', bins=20)
ax4.set_xlabel('Avg Revenue')

# 第五张子图：香水品类收入（过滤0值）
parfum_data = df[df['CATEGORY_REVENUE_PARFUM'] > 0]['CATEGORY_REVENUE_PARFUM']
ax5.hist(parfum_data, edgecolor='white', align='mid', bins=20)
ax5.set_xlabel('Revenue Parfum (ohne 0-Werte)')

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Rapha1710