Python如何实现分类特征密度直方图分栏展示及批量绘制

你需要的分栏密度直方图可通过sns.displot搭配指定参数实现，既支持分栏配置，也可输出密度维度的统计结果，示例代码如下：

sns.displot(
    data=raw,
    x="district_code",
    col="status_group",
    stat="density",
    kind="hist",
    edgecolor="white"
)

参数说明：

• stat="density"：将纵轴统计值从计数转换为密度，符合密度直方图的需求
• col="status_group"：按指定特征的取值拆分多列分栏展示
• kind="hist"：指定输出直方图类型，默认值可省略，如需叠加密度曲线可额外添加kde=True参数

你可以将绘图逻辑封装为以下函数，传入特征列表即可批量生成图表：

import seaborn as sns
import matplotlib.pyplot as plt

def batch_plot_density_hist(feature_list, group_col="status_group", data=raw, save_fig=False):
    for feat in feature_list:
        # 生成绘图对象
        g = sns.displot(
            data=data,
            x=feat,
            col=group_col,
            stat="density",
            kind="hist",
            edgecolor="white",
            height=4,
            aspect=0.9
        )
        # 基础样式优化
        g.set_axis_labels(feat, "密度")
        g.set_titles(col_template="{col_name}")
        # 旋转分类标签避免重叠
        for ax in g.axes.flat:
            ax.tick_params(axis='x', rotation=45, labelright=False)
        plt.tight_layout()
        # 按需保存图片
        if save_fig:
            plt.savefig(f"{feat}_density_by_{group_col}.png", dpi=150, bbox_inches="tight")
        plt.show()

调用示例：

# 传入待绘制的特征列表即可批量运行
batch_plot_density_hist(feature_list=["district_code", "source_class", "其他待绘制特征"])

针对部分特征展示效果差的问题，可通过以下方式调整：

• 分类标签重叠：调整height和aspect参数放大图表尺寸，或加大标签旋转角度
• 柱子比例不合理：添加bins参数手动指定分箱数，分类特征可设置为bins=len(raw[feat].unique())匹配特征取值数量
• 极值干扰展示：提前过滤出现频次低于阈值的异常取值，例如保留出现次数≥10的取值再绘图：data = data[data[feat].map(data[feat].value_counts()) >= 10]
• 样式区分度低：可添加hue=group_col参数按分组配置不同颜色，或设置multiple="dodge"调整为并列柱状样式提升区分度

内容的提问来源于stack exchange，提问作者brenda89