自定义seaborn绘图函数应用于特征列表时for循环报错如何解决

云上老周

2026-10-15

问题排查与解决方案

首先确认生成特征列表的逻辑是否正确
你生成categorical_columns使用的代码是raw[categorical].columns.tolist()，需先检查两处规则：
1. categorical必须是包含所有目标分类特征名称的列表/布尔掩码，如果是单个列名字符串，raw[categorical]会返回Series对象，没有columns属性，这一步本身就会报错；
2. 输出的特征列表需均为存在于raw中的有效离散分类特征，没有空值、非法字符、重复列名，否则传入函数的feature参数异常会直接触发报错。
  可先运行如下代码核验：
```
print(categorical_columns)
```

修复绘图后未清空画布的问题
你当前的函数单次调用运行正常，但循环调用时会不断累积画布对象占用资源，大概率会触发内存/渲染异常，需在函数末尾新增清空画布的逻辑：

def barplotter (dataset, feature):
  ax1 = sns.displot(dataset, x =feature,  stat = 'density', discrete = True, color = 'black')
  ax1.set(title=feature, xlabel = "")
  ax2 = sns.displot(dataset, x =feature, col = 'status_group', stat = 'density', discrete = True)
  ax2.set(xlabel = "")
  plt.show()
  plt.close('all') # 新增此行，清空所有已生成的画布资源

定位异常特征
如果修改后仍然报错，可以在循环中增加异常捕获逻辑，直接定位是哪个特征触发的问题：
```
for item in categorical_columns:
    try:
        barplotter(raw, item)
    except Exception as e:
        print(f"特征{item}处理失败，错误信息：{e}")
```
输出的错误信息可以帮你快速定位问题，比如某特征为连续数值型不符合discrete=True的要求、某特征全为缺失值、status_group在某特征的分组下无数据等。