Tracé des histogrammes à partir des données groupées dans un DataFrame pandas

Question

Comment tracer un bloc d'histogrammes à partir d'un groupe de données dans un dataframe? Par exemple, étant donné:

from pandas import DataFrame
import numpy as np
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
df = DataFrame({'Letter': x, 'N': y})

J'ai essayé:

df.groupby('Letter').hist()

...ce qui a échoué avec le message d'erreur:

TypeError: ne peut pas concaténer des objets 'str' et 'float'

Answer 1

Je suis sur une lancée, je viens de trouver une manière encore plus simple de le faire en utilisant le mot-clé by dans la méthode hist :

df.hist('N', by='Letter')

C'est un petit raccourci très pratique pour scanner rapidement vos données regroupées !

Pour les futurs visiteurs, le résultat de cet appel est le graphique suivant :

En réponse aux questions ci-dessous, voici un exemple d'adaptation spécifique des graphiques histogramme :

# import des bibliothèques
import pandas as pd
import numpy as np

# Créer un dataframe de test
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
z = np.random.randn(1000)
df = pd.DataFrame({'Letter':x, 'N1':y, 'N2':z})

# Tracer les histogrammes
axes = df.hist(['N1','N2'], by='Letter',bins=10, layout=(2,2),
               legend=True, yrot=90,sharex=True,sharey=True, 
               log=True, figsize=(6,6))
for ax in axes.flatten():
    ax.set_xlabel('N')
    ax.set_ylabel('Compte')
    ax.set_ylim(bottom=1,top=100)

Answer 2

Une solution est d'utiliser l'histogramme matplotlib directement sur chaque dataframe groupé. Vous pouvez boucler à travers les groupes obtenus dans une boucle. Chaque groupe est un dataframe. Et vous pouvez créer un histogramme pour chacun.

from pandas import DataFrame
import numpy as np
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
df = DataFrame({'Lettre':x, 'N':y})
grouped = df.groupby('Lettre')

for group in grouped:
  figure()
  matplotlib.pyplot.hist(group[1].N)
  show()

Answer 3

Avec la dernière version de Pandas, vous pouvez faire df.N.hist(by=df.Letter)

Tout comme avec les solutions ci-dessus, les axes seront différents pour chaque sous-graphique. Je n'ai pas encore résolu celui-là.

Answer 4

Votre fonction échoue parce que le dataframe groupby avec lequel vous vous retrouvez a un index hiérarchique et deux colonnes (Letter et N) donc lorsque vous utilisez .hist(), il essaie de faire un histogramme des deux colonnes d'où l'erreur str.

C'est le comportement par défaut des fonctions de tracé de pandas (un tracé par colonne) donc si vous remodelez votre dataframe de sorte que chaque lettre soit une colonne, vous obtiendrez exactement ce que vous voulez.

df.reset_index().pivot('index','Letter','N').hist()

Le reset_index() sert simplement à insérer l'index actuel dans une colonne appelée index. Ensuite, pivot prendra votre dataframe, collectera toutes les valeurs de N pour chaque Letter et les placera dans une colonne. Le dataframe résultant a 400 lignes (remplit les valeurs manquantes avec NaN) et trois colonnes (A, B, C). hist() produira alors un histogramme par colonne et vous pourrez formater les graphiques comme nécessaire.

Answer 5

Je trouve cela encore plus facile et plus rapide.

data_df.groupby('Letter').count()['N'].hist(bins=100)