Python 每列中每个值的计数热图

我有这样一个数据帧：

| A | B | C  | D |  
|---|---|----|---|  
| 1 | 3 | 10 | 4 |  
| 2 | 3 | 1  | 5 |  
| 1 | 7 | 9  | 3 |  

|    | 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 | 

其中，B C D为类别，且值在[1,10]范围内（某些值可能不会出现在单个列中）

我希望有一个数据框，每个类别显示这些值的计数。大概是这样的：

| A | B | C  | D |  
|---|---|----|---|  
| 1 | 3 | 10 | 4 |  
| 2 | 3 | 1  | 5 |  
| 1 | 7 | 9  | 3 |  

|    | 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

和

pivot\u表

，但我似乎不明白应该给出什么参数。

• 使用适用于每列
• 将绘制一个

  DataFrame

  • 如果提供了数据帧，索引/列信息将用于标记列和行

选择1

导入seaborn作为sns
作为pd进口熊猫
#数据帧设置
数据={'A'：[1,2,1]，'B'：[3,3,7]，'C'：[10,1,9]，'D'：[4,5,3]}
df=pd.DataFrame（数据）
#为每列创建计数的数据帧
计数=df.apply（pd.value\U计数）
#显示（计数）
A、B、C、D
1 2.0 NaN 1.0 NaN
2 1.0楠楠
3 NaN 2.0 NaN 1.0
4南1.0
5南1.0
7楠1.0楠楠
9楠楠1.0楠楠
10纳南1.0纳南
#密谋
sns.热图（计数）

选择2

• 热图有许多样式选项可用，使用

  cmap

  更改颜色可以提高可视化效果。
• 我认为选项1没有

  。fillna（0）

  看起来不那么忙

#计数
计数=df.apply（pd.value\U计数）。fillna（0）
#密谋
sns.heatmap（计数，cmap=“GnBu”，annot=True）

默认颜色

sns.heatmap（计数，annot=True）

---

从数据帧开始：

df = pd.DataFrame({'A': [1, 2, 1],
                   'B': [3, 3, 7],
                   'C': [10,1, 9],
                   'D': [4, 5, 3]},
                   index=[0, 1, 2])

for col in df.columns:
    d[col]=df[col].value_counts()

然后你可以做：

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

将具有所需的数据帧结构，但具有所有值

0

填充数据框：

df = pd.DataFrame({'A': [1, 2, 1],
                   'B': [3, 3, 7],
                   'C': [10,1, 9],
                   'D': [4, 5, 3]},
                   index=[0, 1, 2])

for col in df.columns:
    d[col]=df[col].value_counts()

0

s被

NaN

s替换。再次将其设置为

0

：

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

这将为您提供：

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

---

这是我第一次发布答案，希望是有希望的

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)

---

相关：很遗憾，我无法在stackoverflow中选择两个答案为“已接受”。我也喜欢你的答案，因为它更灵活。我认为他/她的回答更完整，所以我将其标记为接受。但是你的也很好！谢谢，不用担心。我同意您的选择，您标记为已接受的答案是应该标记为已接受的答案；）