如何基于pandas dataframe绘制词频分布直方图？

你的数据集为包含词汇、对应词频两列的结构化DataFrame，可直接基于现有数据完成绘图，以下是两种常用的最优实现方案：

方案1：使用Pandas内置绘图（无需额外依赖，操作最简单） #

适合快速出图的场景，代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# 替换为你自己的DataFrame变量名
# 可自行调整top_n的数值，选择展示词频最高的前N个词汇，避免X轴标签拥挤
top_n = 20
plot_data = df.sort_values('frequency', ascending=False).head(top_n)

# 绘制分类词频条形图（对应离散词汇的词频展示）
plot_data.plot(kind='bar', x='word', y='frequency', figsize=(12,6), color='#3498db')

# 图表美化配置
plt.title(f'Top {top_n} 词汇词频分布', fontsize=14)
plt.xlabel('词汇', fontsize=12)
plt.ylabel('词频', fontsize=12)
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

方案2：使用Seaborn绘制（样式更美观，可定制性更强） #

适合需要输出高质量可视化结果的场景，代码如下：

import seaborn as sns
import matplotlib.pyplot as plt

top_n = 20
plot_data = df.sort_values('frequency', ascending=False).head(top_n)

plt.figure(figsize=(12,6))
sns.barplot(data=plot_data, x='word', y='frequency', palette='Blues_r')

plt.title(f'Top {top_n} 词汇词频分布', fontsize=14)
plt.xlabel('词汇', fontsize=12)
plt.ylabel('词频', fontsize=12)
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

特殊场景：词频数值分布直方图 #

如果你需要统计不同词频区间对应的词汇数量，绘制连续数值分布的直方图，使用以下代码：

import matplotlib.pyplot as plt

# bins参数可调整区间划分的数量
df['frequency'].plot(kind='hist', bins=20, figsize=(10,6), edgecolor='black')
plt.title('词频数值分布直方图', fontsize=14)
plt.xlabel('词频区间', fontsize=12)
plt.ylabel('对应词汇数量', fontsize=12)
plt.show()

常见问题排查 #

如果绘图失败可优先检查以下配置：

• 确认词频列数据类型为数值型，若为字符串可先转换：df['frequency'] = df['frequency'].astype(int)
• 列名替换为你实际DataFrame对应的列名，不要直接照搬示例中的word、frequency

内容的提问来源于stack exchange，提问作者Laily