如何为DataFrame的单行全列数据绘制displot分布统计图

前置依赖 #

需要提前安装pandas、matplotlib两个基础库，可额外安装seaborn简化统计图表绘制。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

数据预处理 #

你当前的DataFrame只有1行，首先需要将其转换为一维序列才能直接用于绘图：

# 你的示例DataFrame
df = pd.DataFrame([[83.0,147.0,195.0,170.0,216.0,237.0,334.0,386.0,253.0,414.0]],
                  columns=['O13','O117','O5','O31','O49','O58','O70','O103','O10','O69'])

# 取第一行得到「列名为索引、数值为值」的一维Series
data_series = df.iloc[0]

可选可视化方案 #

你可以根据需求选择对应的图表类型：

方案1：直方图+核密度估计（推荐用于数值分布统计） #

可以直观看到数值的频次分布、集中区间、偏态特征：

plt.figure(figsize=(10,6))
# kde=True表示同时绘制核密度曲线，bins可根据数值数量调整
sns.histplot(data=data_series, kde=True, bins=5, color='skyblue')
plt.title('所有列数值分布')
plt.xlabel('数值')
plt.ylabel('频次')
plt.grid(axis='y', alpha=0.3)
plt.show()

方案2：排序条形图（同时对应列名和具体数值） #

如果需要同时查看每个列对应的具体数值和大小排序，可选择该方案：

plt.figure(figsize=(12,6))
# 按数值排序后绘制条形图
data_series.sort_values().plot(kind='bar', color='lightgreen')
plt.title('各列数值分布对比')
plt.xlabel('列名')
plt.ylabel('数值')
plt.xticks(rotation=45)
plt.grid(axis='y', alpha=0.3)
# 可选：在柱子上方添加数值标注
for i, v in enumerate(data_series.sort_values()):
    plt.text(i, v+5, str(v), ha='center')
plt.show()

方案3：箱线图（快速查看四分位、异常值特征） #

适合快速判断分布的离散程度、是否存在异常值：

plt.figure(figsize=(8,6))
sns.boxplot(data=data_series, color='orange')
plt.title('数值分布箱线图')
plt.ylabel('数值')
plt.show()

内容的提问来源于stack exchange，提问作者Ap1712