首頁猿問每列中每個值的計數熱圖

每列中每個值的計數熱圖

Python

慕婉清6462132 2023-07-18 13:25:55

我有一個像這樣的數據框：| A | B | C | D | |---|---|----|---| | 1 | 3 | 10 | 4 | | 2 | 3 | 1 | 5 | | 1 | 7 | 9 | 3 | 其中 ABCD 是類別，值在 [1, 10] 范圍內（某些值可能不會出現在單列中）我想要一個數據框，為每個類別顯示這些值的計數。像這樣的東西：| | A | B | C | D ||----|---|----|---|---| | 1 | 2 | 0 | 1 | 0 || 2 | 1 | 0 | 0 | 0 || 3 | 0 | 2 | 0 | 1 || 4 | 0 | 0 | 0 | 1 || 5 | 0 | 0 | 0 | 1 || 6 | 0 | 0 | 0 | 0 || 7 | 0 | 1 | 0 | 0 || 8 | 0 | 0 | 0 | 0 || 9 | 0 | 0 | 1 | 0 || 10 | 0 | 0 | 1 | 0 | 我嘗試使用groupbyandpivot_table但我似乎無法理解要給出哪些參數。

查看完整描述

3 回答

胡說叔叔

TA貢獻1804條經驗獲得超8個贊

用途pandas.Series.value_counts適用于每一列
seaborn.heatmap將繪制一個DataFrame
- 如果提供了 Pandas DataFrame，索引/列信息將用于標記列和行。

選項1

import seaborn as sns

import pandas as pd

# dataframe setup

data = {'A': [1, 2, 1], 'B': [3, 3, 7], 'C': [10, 1, 9], 'D': [4, 5, 3]}

df = pd.DataFrame(data)

# create a dataframe of the counts for each column

counts = df.apply(pd.value_counts)

# display(count)

? ? ? A? ? B? ? C? ? D

1? ?2.0? NaN? 1.0? NaN

2? ?1.0? NaN? NaN? NaN

3? ?NaN? 2.0? NaN? 1.0

4? ?NaN? NaN? NaN? 1.0

5? ?NaN? NaN? NaN? 1.0

7? ?NaN? 1.0? NaN? NaN

9? ?NaN? NaN? 1.0? NaN

10? NaN? NaN? 1.0? NaN

# plot

sns.heatmap(counts)

選項2

熱圖有許多可用的樣式選項，并且更改顏色cmap可以改善可視化效果。
- Seaborn：調色板

# counts

counts = df.apply(pd.value_counts).fillna(0)

# plot

sns.heatmap(counts, cmap="GnBu", annot=True)

默認顏色

sns.heatmap(counts,?annot=True)

反對回復 2023-07-18

猛跑小豬

TA貢獻1858條經驗獲得超8個贊

這是我第一次發表答案，希望有希望

import seaborn as sns

import pandas as pd

import numpy as np

data = {'A': [1, 2, 1], 'B': [3, 3, 7], 'C': [10, 1, 9], 'D': [4, 5, 3]}

df = pd.DataFrame(data)

df1 = pd.DataFrame(data = None , index = np.arange(11),columns = df.columns)

for value in df.columns:

df1[value]= df[value].value_counts()

df1.fillna(0)

反對回復 2023-07-18

慕容708150

TA貢獻1831條經驗獲得超4個贊

# necessary imports

import pandas as pd

import numpy as np

從數據框開始：

df = pd.DataFrame({'A': [1, 2, 1],

'B': [3, 3, 7],

'C': [10,1, 9],

'D': [4, 5, 3]},

index=[0, 1, 2])

然后你可以這樣做：

d = pd.DataFrame(0, index=np.arange(10), columns=['A','B','C','D'])

或者，更一般地說：

d = pd.DataFrame(0, index=np.arange(10), columns=df.columns)

d將具有您想要的數據幀結構，但具有所有值0。

填寫數據框：

for col in df.columns:

d[col]=df[col].value_counts()

s0被NaNs 取代。再次制作它們0：

d.replace(np.nan, 0, inplace=True)

這會給你：

+----+-----+-----+-----+-----+

| | A | B | C | D |

|----+-----+-----+-----+-----|

| 0 | 0 | 0 | 0 | 0 |

| 1 | 2 | 0 | 1 | 0 |

| 2 | 1 | 0 | 0 | 0 |

| 3 | 0 | 2 | 0 | 1 |

| 4 | 0 | 0 | 0 | 1 |

| 5 | 0 | 0 | 0 | 1 |

| 6 | 0 | 0 | 0 | 0 |

| 7 | 0 | 1 | 0 | 0 |

| 8 | 0 | 0 | 0 | 0 |

| 9 | 0 | 0 | 1 | 0 |

+----+-----+-----+-----+-----+

反對回復 2023-07-18

3 回答
0 關注
157 瀏覽

關注

添加回答

舉報

0/150

提交

取消

亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

熱搜

最近搜索清空

每列中每個值的計數熱圖

每列中每個值的計數熱圖

3 回答

選項1

選項2

默認顏色

添加回答