ValueError: color kwarg must have one color per data set. 9 data sets and 1 colors were provided解决

关于使用pandas中的read_csv()读取已有的csv数据并对数据进行hist绘制直方图时显示ValueError: color kwarg must have one color per data set. 9 data sets and 1 colors were provided的解决方案

1问题描述

因为实际需要，将实验中获得的某个一维列表数据进行存储，并从中读取数据进行可视化操作，例如题目所说的绘制直方图，举例代码如下：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

a = np.array([1,2,3,4,5,5,5,5,6,3])#自己随便写的
data = pd.Series(a)
print(data.shape)
print(data)
data.to_csv('xxx.csv')
b = pd.read_csv('xxx.csv')
print(b.shape)#为了检查
print(b.head(10))

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

data = b

plt.hist(data,color='b',bins=10)#bins是要将整个区间划分的个数
plt.show()

部分结果如下：

(10,)
0    1
1    2
2    3
3    4
4    5
5    5
6    5
7    5
8    6
9    3
dtype: int32
(9, 2)
   0  1
0  1  2
1  2  3
2  3  4
3  4  5
4  5  5
5  6  5
6  7  5
7  8  6
8  9  3

报错在hist上，

ValueError: color kwarg must have one color per data set. 9 data sets and 1 colors were provided

2问题分析

因为出错了，所以在上面的代码中添加了一些打印函数，结果发现，存储数据到csv前，即to_csv和read_csv前后的数据结构发生了变化，存储前是（10，）存储后再读取变化成了（9,2），原因应该出现在这里，因此上面的报错应该是将这个原本列数据变成了[[1,2,3],[1,2,3]…]的多维列表形式，所以出现上面报错，而出现数据读取后结构出问题，原因在于读取时，将原本自动生成的索引页作为了一列数据，而且将原本的第0行数据作为了列字段导致的，因此需要重新研究，to_csv( )和read_csv( )中的参数设置。
详细的关于read_csv（）参数问题请移步pandas.read_csv常用参数用法梳理

3问题解决

话不多说，直接上解决的代码，看效果

a = np.array([1,2,3,4,5,5,5,5,6,3])
data = pd.Series(a)
print(data.shape)
print(data)
data.to_csv('xxx.csv')
b = pd.read_csv('xxx.csv',names=['rate'])
print(b.shape)
print(b.head(10))

aa = b.loc[:,'rate']
print(aa)

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

data = aa
plt.hist(data,color='b',bins=10)#bins是要将整个区间划分的个数
plt.show()

其实就是在读取时给数据添加了一个列名，不会因为一些默认参数导致元数据作为列名，同时aa = b.loc[:,'rate']作为数据传入hist当中，这样保证不会传入自动添加的index
结果如下：

(10,)
0    1
1    2
2    3
3    4
4    5
5    5
6    5
7    5
8    6
9    3
dtype: int32
(10, 1)
   rate
0     1
1     2
2     3
3     4
4     5
5     5
6     5
7     5
8     6
9     3
0    1
1    2
2    3
3    4
4    5
5    5
6    5
7    5
8    6
9    3
Name: rate, dtype: int64