Pandas多分类列基于value_counts()绘制网格条形图的简洁方法

我需要为Pandas DataFrame中的所有分类列绘制唯一值计数条形图，效果和数值列调用df.hist()生成的直方图一致，具体要求：

• 优先使用面向对象的绘图方式，逻辑更自然、表述更明确
• 所有子图以网格形式排布在单个Figure中，布局效果参考df.hist()的输出

目前我写的代码可以实现效果，但写法繁琐，需要手动调用Matplotlib创建Figure、手动移除最后一排未使用的空白子图。我注意到pandas.Series.plot提供了subplots和layout参数，理论上可以直接实现需求，但遍历列传入参数时始终无法得到正确结果，现寻求更简洁紧凑的实现方式。

现有可运行但繁琐的代码 #

import math
import matplotlib.pyplot as plt

# 定义子图网格维度
nr_of_plots = len(ames_train_categorical.columns)
nr_of_plots_per_row = 4
nr_of_rows = math.ceil(nr_of_plots / nr_of_plots_per_row)

# 创建Figure和子图对象
figure, axes = plt.subplots(nrows=nr_of_rows, ncols=nr_of_plots_per_row, figsize=(25, 50))
figure.subplots_adjust(hspace=0.5)

# 逐列绘制条形图
i, j = 0, 0
for column_name in ames_train_categorical:
    if ames_train_categorical[column_name].nunique() <= 30:
        axes[i][j].set_title(column_name)
        ames_train_categorical[column_name].value_counts().plot(kind='bar', ax=axes[i][j])
        j += 1
        if j % nr_of_plots_per_row == 0:
            i += 1
            j = 0

# 清理未使用的空白子图
axes_flattened = axes.flatten()
for ax in axes_flattened:
    if not ax.has_data():
        ax.remove()

备选方案的缺陷 #

使用pyplot状态机模式虽然代码量极少，但每个图表会单独生成一个Figure，无法实现规整的网格排布，代码如下：

for column_name in ames_train_categorical:
    ames_train_categorical[column_name].value_counts().plot(kind='bar')
    plt.show()

期望效果 #

不需要手动维护子图行列索引、手动移除空白子图，用pandas原生绘图接口即可实现和df.hist()一致的网格排布效果，核心是直接对DataFrame调用绘图方法，而非逐列遍历Series绘图。

推荐写法（适配性最强） #

import matplotlib.pyplot as plt

# 按原逻辑过滤唯一值数量≤30的分类列，避免分类过多导致条形图拥挤
target_cols = ames_train_categorical.columns[ames_train_categorical.nunique() <= 30]

# 逐列计算值计数并绘图，pandas会自动创建适配的子图网格
axes = ames_train_categorical[target_cols].apply(
    lambda col: col.value_counts().plot(kind='bar')
).axes

# 调整画布尺寸和子图间距，和原有参数保持一致
plt.gcf().set_size_inches(25, 5 * ((len(target_cols) + 3) // 4))
plt.subplots_adjust(hspace=0.5, wspace=0.3)

# 关闭无内容的空白子图，无需remove
for ax in axes.flat:
    if not ax.patches: # 条形图通过patches判断是否有绘制内容，比has_data更准确
        ax.set_axis_off()

极简写法（代码最短） #

如果不需要考虑不同列分类值不对齐的问题，可以直接传入布局参数，让pandas自动完成所有网格计算：

# 预计算所有待绘制列的值计数
count_df = ames_train_categorical[target_cols].apply(lambda s: s.value_counts()).fillna(0)

axes = count_df.plot(
    kind='bar',
    subplots=True,
    layout=(-1, 4), # 固定每行4个子图，行数自动计算
    figsize=(25, 50),
    legend=False
)
plt.tight_layout(h_pad=3)

注意：极简写法会自动将所有分类值对齐到同一x轴刻度，如果各列的分类取值差异较大，会出现大量空白刻度位置，日常使用优先选推荐写法适配性更好。

内容的提问来源于stack exchange，提问作者luukburger