使用.hist方法绘制直方图出现重叠，80+列数据如何清晰展示？

80列以上的数据表可通过pandas自带.hist()方法实现整洁展示，也可选择更灵活的第三方可视化库方案，具体实现如下：

1. 基于pandas .hist()方法的实现 #

默认调用.hist()未指定布局参数时会自动压缩子图导致重叠，额外指定layout参数自定义子图行列布局，配合plt.tight_layout()自动调整间距即可解决问题：

import math
import matplotlib.pyplot as plt

# 自定义每行展示的直方图数量，可根据阅读需求调整
per_row = 4
total_features = len(df.columns)
rows = math.ceil(total_features / per_row)

# 调用hist方法传入布局参数，画布尺寸按子图数量自适应
df.hist(
    figsize=(per_row * 4, rows * 3),
    layout=(rows, per_row),
    xlabelsize=6,
    ylabelsize=6
)
# 必须调用该方法自动调整子图间距，避免标签、标题重叠
plt.tight_layout()
plt.show()

如果觉得单张画布过长，可按批次拆分特征绘制，例如每20个特征输出一张直方图。

2. 更适合多特征场景的替代方案 #

如果需要更美观的样式或交互能力，可选择以下两种常用方案：

2.1 seaborn分面绘制 #

将宽表转为长表后用FacetGrid分面绘制，样式自定义能力更强：

import seaborn as sns

# 宽表转长表
df_long = df.melt(var_name="特征名称", value_name="特征取值")

# 分面绘制直方图
g = sns.FacetGrid(
    df_long,
    col="特征名称",
    col_wrap=4,
    sharex=False,
    sharey=False,
    height=2.5
)
g.map(sns.histplot, "特征取值", bins=15)
g.set_titles(col_template="{col_name}")
g.tight_layout()
plt.show()

2.2 交互式直方图（plotly） #

生成可交互的文件，支持单独放大查看某一特征的分布，适合数据探索场景：

import plotly.express as px
import math

df_long = df.melt(var_name="特征名称", value_name="特征取值")
fig = px.histogram(
    df_long,
    x="特征取值",
    facet_col="特征名称",
    facet_col_wrap=4,
    width=1200,
    height=300 * math.ceil(len(df.columns)/4)
)
fig.update_layout(margin=dict(l=10, r=10, t=30, b=10))
fig.show()

内容的提问来源于stack exchange，提问作者Kristin