python - 每列中每个值的计数热图

Question

我有一个这样的数据框：

| 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个列中）

我想要一个数据框，每个类别都显示这些值的计数。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groupby，pivot_table但我似乎无法理解要提供哪些参数。

标签： pythonpandasdataframeseaborn

Answer 1

• 使用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，则索引/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，更改颜色cmap可以改善可视化效果。
  • seaborn：调色板
• 我认为选项 1，没有.fillna(0)看起来不那么忙。

# 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)