panda dataframe可视化数字列的不同存储箱中分类列的不同值的百分比

Question

我有一个pandas数据框架，它有两列col1和class<代码>类是二进制的。我想绘制一个直方图，并可视化col1列的不同容器上class值的百分比。以下是我的尝试：

1-两个直方图，一个用于类列的每个值：

df.col1[df.class == 0].hist()

df.col1[df.class == 1].hist()

2-将它们（类的两个值）放在一个图表中

df.groupby('class').col1.hist(alpha=0.9)

从前两张图中可以看出，那些class==1的行与另一个class==0的行相比是罕见的，当我们把它们放在一起时（第三张图），我们看不到它们的效果（看看图表中那些小的橙色区域）。一种解决方案是使用每个箱子中类的每个值的百分比。我试过这个：

df.groupby('class').col1.transform(lambda x: x/sum(x)).hist(alpha=0.9)

而且显然没有起作用。我正在寻找一种方法来可视化不同箱子中每个类值的百分比。

Answer 1

由于每个类别的项目数量高度不平衡，因此无法将两个图都放在直方图的相同y轴上，如果两个类别在值之间具有相似的分布，则可以使用distplots对数据执行一些标准化：

uniques = df['class'].unique()
targets = [df.col1[df['class'] == val] for val in uniques]

for target in targets:
    sns.distplot(target, rug=True)