我需要一些指导来确定如何根据 pandas 数据框中的分组数据绘制直方图块。这是一个例子来说明我的问题：
from pandas import DataFrame
import numpy as np
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
df = DataFrame({'Letter':x, 'N':y})
grouped = df.groupby('Letter')
在我的无知中，我尝试了这个代码命令：
df.groupby('Letter').hist()
失败并显示错误消息“TypeError: cannot concatenate 'str' and 'float' objects”
非常感谢任何帮助。
【问题讨论】：
我正在努力，刚刚找到了一种更简单的方法，使用 hist 方法中的 by 关键字：
df['N'].hist(by=df['Letter'])
这是快速扫描分组数据的一个非常方便的小快捷方式！
对于未来的访问者，此次通话的结果如下图：
【讨论】：
你的函数失败了，因为你最终得到的 groupby 数据帧有一个分层索引和两列（字母和 N），所以当你做 .hist() 时，它试图制作两列的直方图，因此出现 str 错误。
这是 pandas 绘图函数的默认行为（每列一个图），因此如果您重塑数据框，使每个字母都是一列，您将得到您想要的。
df.reset_index().pivot('index','Letter','N').hist()
reset_index() 只是将当前索引推入名为index 的列中。然后pivot 将获取您的数据框，为每个Letter 收集所有值N 并将它们设为一列。生成的数据框为 400 行（用 NaN 填充缺失值）和三列 (A, B, C)。然后hist() 会为每列生成一个直方图，您可以根据需要设置图表的格式。
【讨论】：
一种解决方案是直接在每个分组数据帧上使用 matplotlib 直方图。您可以遍历循环中获得的组。每个组都是一个数据框。您可以为每一个创建一个直方图。
from pandas import DataFrame
import numpy as np
x = ['A']*300 + ['B']*400 + ['C']*300
y = np.random.randn(1000)
df = DataFrame({'Letter':x, 'N':y})
grouped = df.groupby('Letter')
for group in grouped:
figure()
matplotlib.pyplot.hist(group[1].N)
show()
【讨论】：
for index, group in grouped，然后可以省略[1]。
使用最新版本的 Pandas，您可以做到
df.N.hist(by=df.Letter)
就像上面的解决方案一样，每个子图的轴都是不同的。我还没有解决那个问题。
【讨论】：
sharex 和 sharey 关键字来获取绘图的公共轴，即：df.N.hist(by=df.Letter, sharey=True, sharex=True)
我写这个答案是因为我正在寻找一种方法来绘制不同组的直方图。接下来的内容不是很聪明，但对我来说效果很好。我使用 Numpy 计算直方图和 Bokeh 进行绘图。我认为这是不言自明的，但请随时要求澄清，我很乐意添加细节（并写得更好）。
figures = {
'Transit': figure(title='Transit', x_axis_label='speed [km/h]', y_axis_label='frequency'),
'Driving': figure(title='Driving', x_axis_label='speed [km/h]', y_axis_label='frequency')
}
cols = {'Vienna': 'red', 'Turin': 'blue', 'Rome': 'Orange'}
for gr in df_trips.groupby(['locality', 'means']):
locality = gr[0][0]
means = gr[0][1]
fig = figures[means]
h, b = np.histogram(pd.DataFrame(gr[1]).speed.values)
fig.vbar(x=b[1:], top=h, width=(b[1]-b[0]), legend_label=locality, fill_color=cols[locality], alpha=0.5)
show(gridplot([
[figures['Transit']],
[figures['Driving']],
]))
【讨论】：
我发现这更加简单快捷。
data_df.groupby('Letter').count()['N'].hist(bins=100)
【讨论】：