如何一次性为DataFrame的分类列批量绘制条形图？

你遇到的问题根源有两个：

1. sns.displot默认只会处理DataFrame的单一列（这里educational-num因类型被优先识别），不会自动遍历所有分类列生成子图；
2. displot返回的是FacetGrid对象，没有flatten方法，它的子图轴存储在axes属性中。

下面提供两种可行的批量绘制方法：

方法一：用Pandas原生绘图（和数值特征直方图逻辑一致） #

利用Pandas的plot.bar结合子图布局，直接遍历每个分类列绘制条形图：

%matplotlib inline
import matplotlib.pyplot as plt

# 定义子图布局：2行5列（适配10个分类特征），调整画布大小
fig, axarr = plt.subplots(nrows=2, ncols=5, figsize=(20, 10))
xlbl = ['workclass', 'education', 'educational-num','marital-status', 'occupation', 'relationship', 'race',
       'gender', 'native_country', 'income']

# 遍历每个分类列和对应的子图轴
for idx, (col, ax) in enumerate(zip(temp2.columns, axarr.flatten())):
    # 先统计每个类别的数量，再绘制条形图
    temp2[col].value_counts().plot(kind='bar', ax=ax)
    # 设置坐标轴标签
    ax.set_xlabel(xlbl[idx])
    ax.set_ylabel("Count")
    # 旋转x轴标签，避免类别名称重叠
    ax.tick_params(axis='x', rotation=45)

# 自动调整子图间距，防止标签被截断
plt.tight_layout()
plt.show()

方法二：用Seaborn Catplot分面绘制 #

通过melt将宽表转为长表，配合Seaborn的分面功能批量生成条形图：

%matplotlib inline
import seaborn as sns
import matplotlib.pyplot as plt

# 将宽格式的分类特征表转为长格式，适配Seaborn分面逻辑
melted_temp2 = temp2.melt(var_name='feature', value_name='category')

# 创建分面条形图，每行显示5个子图
g = sns.catplot(
    data=melted_temp2,
    x='category',
    kind='count',  # 绘制计数条形图
    col='feature',
    col_wrap=5,
    figsize=(20, 8),
    sharex=False,  # 关闭x轴共享，避免不同类别的标签冲突
    sharey=True
)

# 为每个子图设置自定义标签
xlbl = ['workclass', 'education', 'educational-num','marital-status', 'occupation', 'relationship', 'race',
       'gender', 'native_country', 'income']
for ax, label in zip(g.axes, xlbl):
    ax.set_xlabel(label)
    ax.set_ylabel("Count")
    ax.tick_params(axis='x', rotation=45)

plt.tight_layout()
plt.show()

额外说明 #

• 若部分分类特征的类别过多，可进一步调整figsize或rotation角度优化显示效果；
• value_counts()会自动统计每个类别的出现次数，是绘制分类特征条形图的核心步骤。

内容的提问来源于stack exchange，提问作者Programming Noob