使用df.plot(kind='hist')绘制直方图时参数y的作用是什么？

问题原因 #

pandas 提供的DataFrame.plot()接口的x、y参数语义会随图表类型（kind参数）动态变化，直方图（kind='hist'）的参数逻辑和常规的散点图、折线图差异很大：

• 普通的散点图、折线图属于双变量图表，x对应x轴取值的列、y对应y轴取值的列，符合你原本的认知
• 直方图本质是单变量统计图表，核心逻辑是对指定列的数值做区间分箱，统计每个分箱内的样本数量/频率，分箱的数值区间自动作为x轴，统计得到的频率/数量自动作为y轴，不需要额外指定x轴的映射字段
• 对单变量直方图来说，y参数的作用就是指定用来做分箱统计的原始数据列：你指定y='height'就是告诉pandas拿height列的数值去分箱统计，刚好符合你的需求，所以输出正确
• 如果你错误指定x='height'，pandas会自动切换为双变量直方图逻辑：把x指定的列作为x轴分箱维度，同时默认读取所有数值列作为y轴做统计，最终输出的结果自然不符合你的预期

可选优化写法 #

如果你觉得这个参数逻辑反直觉，也可以用两种更符合直觉的写法实现相同效果：

1. 直接调用pandas封装的hist接口，传要统计的列名即可

df.hist(column='height')

2. 直接用matplotlib原生的hist方法，传入待统计的序列

import matplotlib.pyplot as plt
plt.hist(df['height'])
plt.show()

内容的提问来源于stack exchange，提问作者newbieeyo