每列中每个值的计数热图

Question

我有一个像这样的数据框：| A | B | C  | D |  |---|---|----|---|  | 1 | 3 | 10 | 4 |  | 2 | 3 | 1  | 5 |  | 1 | 7 | 9  | 3 |  其中 ABCD 是类别，值在 [1, 10] 范围内（某些值可能不会出现在单列中）我想要一个数据框，为每个类别显示这些值的计数。像这样的东西：|    | 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 | 我尝试使用groupbyandpivot_table但我似乎无法理解要给出哪些参数。

Answer 1

• 用途pandas.Series.value_counts适用于每一列

• seaborn.heatmap将绘制一个DataFrame

  • 如果提供了 Pandas DataFrame，索引/列信息将用于标记列和行。

选项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)

选项2

• 热图有许多可用的样式选项，并且更改颜色cmap可以改善可视化效果。

  • Seaborn：调色板

# counts

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

# plot

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

默认颜色

sns.heatmap(counts, annot=True)

Answer 2

这是我第一次发表答案，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)

Answer 3

# necessary imports

import pandas as pd

import numpy as np

从数据框开始：

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

                   'B': [3, 3, 7],

                   'C': [10,1, 9],

                   'D': [4, 5, 3]},

                   index=[0, 1, 2])

然后你可以这样做：

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

或者，更一般地说：

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

d将具有您想要的数据帧结构，但具有所有值0。

填写数据框：

for col in df.columns:

    d[col]=df[col].value_counts()

s0被NaNs 取代。再次制作它们0：

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

这会给你：

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

|    |   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 |

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