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1import seaborn as snsimport pandas as pd# dataframe setupdata = {'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 columncounts = df.apply(pd.value_counts)# display(count)      A    B    C    D1   2.0  NaN  1.0  NaN2   1.0  NaN  NaN  NaN3   NaN  2.0  NaN  1.04   NaN  NaN  NaN  1.05   NaN  NaN  NaN  1.07   NaN  1.0  NaN  NaN9   NaN  NaN  1.0  NaN10  NaN  NaN  1.0  NaN# plotsns.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# countscounts = df.apply(pd.value_counts).fillna(0)# plotsns.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 snsimport pandas as pdimport numpy as npdata = {'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 importsimport pandas as pdimport 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 |+----+-----+-----+-----+-----+