基于嵌套循环结果绘制8个获救犬种子图的技术实现请求

原代码存在的问题 #

• 循环范围range(7)未覆盖全部8个犬种，导致漏绘
• 直接用列表匹配df.breed == rescued_dog_race无法正确获取单个犬种的获救率
• null_outcomes未按犬种区分，所有模拟结果混杂，无法单独绘图

完整实现代码 #

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

# 设置随机种子确保结果可复现
np.random.seed(1)

# 核心参数
rescued_pop = 8  # 种群整体获救率百分比
rescued_dog_race = ["rottweiler", "poodle", "pitbull", "chihuahua", "shihtzu", "whippet", "terrier", "greyhound"]

# 存储模拟结果：按犬种分类
breed_simulations = {}
# 种群整体模拟结果（仅需运行一次）
pop_simulations = []

# 先执行种群整体模拟
for _ in range(1000):
    simulated_pop = np.random.choice(["yes", "no"], size=100, p=[rescued_pop/100, 1 - rescued_pop/100])
    pop_simulations.append(np.sum(simulated_pop == "yes"))

# 循环每个犬种执行模拟
for breed in rescued_dog_race:
    # 提取当前犬种的获救率
    rescued_rate = float(df.loc[df.breed == breed, "rescued"].to_string(index=False))
    # 存储当前犬种的1000次模拟结果
    breed_results = []
    for _ in range(1000):
        simulated = np.random.choice(["yes", "no"], size=100, p=[rescued_rate/100, 1 - rescued_rate/100])
        breed_results.append(np.sum(simulated == "yes"))
    breed_simulations[breed] = breed_results

# 创建2行4列的子图网格
fig, axes = plt.subplots(nrows=2, ncols=4, figsize=(16, 8))
# 扁平化子图数组，方便循环遍历
axes = axes.flatten()

# 逐个绘制犬种子图
for idx, breed in enumerate(rescued_dog_race):
    ax = axes[idx]
    # 绘制当前犬种的模拟分布直方图
    ax.hist(breed_simulations[breed], bins=15, alpha=0.6, label=f"{breed} 模拟")
    # 绘制种群整体的模拟分布直方图
    ax.hist(pop_simulations, bins=15, alpha=0.6, label="种群整体模拟")
    # 设置子图样式
    ax.set_title(f"{breed} 获救数量模拟分布")
    ax.set_xlabel("获救数量")
    ax.set_ylabel("模拟次数")
    ax.legend()

# 自动调整子图间距，避免标签重叠
plt.tight_layout()
plt.show()

关键实现要点 #

• 用字典breed_simulations按犬种存储模拟结果，彻底避免数据混杂
• 种群模拟仅执行一次，提升代码运行效率
• 通过plt.subplots创建网格子图，配合flatten()简化循环逻辑
• 每个子图同时展示犬种自身与种群的模拟分布，保持与单犬种图的一致性
• tight_layout()自动优化子图间距，解决标签重叠问题

内容的提问来源于stack exchange，提问作者Diastat