DataFrameから複数(100以上)のヒストグラムを作成したい

Question

Pythonで2つのCSVファイル（各データはおおよそ4000行✕150列。列名は両ファイルで同じ）があり、各フィイルのデータ分布をヒストグラムで可視化したいと思っております。

SeabornのPairGridの対角成分に全データのヒストグラムを出力でき、かつ、両ファイルの分布の違いをhueで指定することで可視化できるのですが、これを行おうとすると、150✕150の散布図行列を作成することになり、計算時間律速で実行できません。

SeabornのPairGrid
https://seaborn.pydata.org/generated/seaborn.PairGrid.html?highlight=pairgrid

そこで別の方法で一気にヒストグラムを作成し、かつ、両ファイルの同列でのヒストグラムを比較する方法を教えていただけないでしょうか？

Answer 1

matplotlib.pyplot.hist (https://matplotlib.org/3.1.0/api/_as_gen/matplotlib.pyplot.hist.html) を使う方法はいかがですか？

サンプルコード

import pandas as pd
import numpy as np
from tqdm import tqdm

import matplotlib.pyplot as plt

# 擬似データを作成。見やすさのために、2つの分布で平均を0.5だけずらしている。
df1 = pd.DataFrame(np.random.normal(size=(4000, 150)))
df2 = pd.DataFrame(np.random.normal(size=(4000, 150)) + 0.5)


for i in tqdm(range(df1.shape[1])):
    plt.figure()
    # 重なった部分が見えなくなってしまうため、alpha値を設定して透過させている。
    plt.hist(df1.iloc[:,i], color="red", alpha=0.5)
    plt.hist(df2.iloc[:,i], color="blue", alpha=0.5)

    plt.savefig("histgram_{}.png".format(i))
    # 毎回 close して新しいfigure を作らないと、これまでのヒストグラムが重なって表示されてしまう。
    plt.close()

結果

image_0.png

image_149.png

Comments

[MagMag]

あ、なるほど。for文で回せばいいのですね。ありがとうございました！