关于python:使用matplotlib同时绘制两个直方图

Plot two histograms at the same time with matplotlib

我用文件中的数据创建了一个柱状图,没问题。现在我想把在同一个柱状图中的另一个文件,所以我做了类似

1
2
n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)

但问题是,对于每个间隔,只会出现具有最大值的条,而另一个则隐藏起来。我想知道如何用不同的颜色同时绘制两个柱状图。


这里有一个工作示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
import random
import numpy
from matplotlib import pyplot

x = [random.gauss(3,1) for _ in range(400)]
y = [random.gauss(4,2) for _ in range(400)]

bins = numpy.linspace(-10, 10, 100)

pyplot.hist(x, bins, alpha=0.5, label='x')
pyplot.hist(y, bins, alpha=0.5, label='y')
pyplot.legend(loc='upper right')
pyplot.show()

enter image description here


接受的答案给出了带有重叠条的柱状图的代码,但如果您希望每个条并排(如我所做的),请尝试以下变化:

1
2
3
4
5
6
7
8
9
10
11
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('seaborn-deep')

x = np.random.normal(1, 2, 5000)
y = np.random.normal(-1, 3, 2000)
bins = np.linspace(-10, 10, 30)

plt.hist([x, y], bins, label=['x', 'y'])
plt.legend(loc='upper right')
plt.show()

氧化镁

参考:http://matplotlib.org/examples/statistics/histogram_demo_multihist.html

编辑【2018/03/16】:更新后允许绘制不同尺寸的阵列,如@randomatic_o zeitgeist建议的那样。


如果您有不同的样本大小,可能很难将分布与单个Y轴进行比较。例如:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import numpy as np
import matplotlib.pyplot as plt

#makes the data
y1 = np.random.normal(-2, 2, 1000)
y2 = np.random.normal(2, 2, 5000)
colors = ['b','g']

#plots the histogram
fig, ax1 = plt.subplots()
ax1.hist([y1,y2],color=colors)
ax1.set_xlim(-10,10)
ax1.set_ylabel("Count")
plt.tight_layout()
plt.show()

氧化镁

在这种情况下,可以在不同的轴上绘制两个数据集。为此,可以使用matplotlib获取柱状图数据,清除轴,然后在两个单独的轴上重新绘制柱状图数据(移动箱边缘,使其不重叠):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
#sets up the axis and gets histogram data
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.hist([y1, y2], color=colors)
n, bins, patches = ax1.hist([y1,y2])
ax1.cla() #clear the axis

#plots the histogram data
width = (bins[1] - bins[0]) * 0.4
bins_shifted = bins + width
ax1.bar(bins[:-1], n[0], width, align='edge', color=colors[0])
ax2.bar(bins_shifted[:-1], n[1], width, align='edge', color=colors[1])

#finishes the plot
ax1.set_ylabel("Count", color=colors[0])
ax2.set_ylabel("Count", color=colors[1])
ax1.tick_params('y', colors=colors[0])
ax2.tick_params('y', colors=colors[1])
plt.tight_layout()
plt.show()

氧化镁


以下是一种简单的方法,当数据大小不同时,将两个柱状图(条形图并排)绘制在同一个图上:

1
2
3
4
5
6
7
def plotHistogram(p, o):
   """
    p and o are iterables with the values you want to
    plot the histogram of
   """

    plt.hist([p, o], color=['g','r'], alpha=0.8, bins=50)
    plt.show()


作为古斯塔沃·贝泽拉回答的补充:

如果要对每个柱状图进行标准化(MPL<=2.1的normed和MPL<=3.1的density,则不能只使用normed/density=True,需要为每个值设置权重:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(1, 2, 5000)
y = np.random.normal(-1, 3, 2000)
x_w = np.empty(x.shape)
x_w.fill(1/x.shape[0])
y_w = np.empty(y.shape)
y_w.fill(1/y.shape[0])
bins = np.linspace(-10, 10, 30)

plt.hist([x, y], bins, weights=[x_w, y_w], label=['x', 'y'])
plt.legend(loc='upper right')
plt.show()

enter image description here

作为比较,与默认权重和density=True完全相同的xy矢量:

enter image description here


您应该使用hist返回的值中的bins

1
2
3
4
5
6
7
8
import numpy as np
import matplotlib.pyplot as plt

foo = np.random.normal(loc=1, size=100) # a normal distribution
bar = np.random.normal(loc=-1, size=10000) # a normal distribution

_, bins, _ = plt.hist(foo, bins=50, range=[-6, 6], normed=True)
_ = plt.hist(bar, bins=bins, alpha=0.5, normed=True)

氧化镁


听起来你可能只想要一个条形图:

  • http://matplotlib.sourceforge.net/examples/pylab_examples/bar_stacked.html
  • http://matplotlib.sourceforge.net/examples/pylab_examples/barchart_demo.html
  • 小精灵

    或者,您可以使用子批次。


    以防万一你有熊猫(import pandas as pd只)或者可以使用它:

    1
    2
    3
    4
    test = pd.DataFrame([[random.gauss(3,1) for _ in range(400)],
                         [random.gauss(4,2) for _ in range(400)]])
    plt.hist(test.values.T)
    plt.show()


    此问题之前已得到解答,但希望添加另一个快速/简单的解决方案,以帮助其他访问者解决此问题。

    1
    2
    3
    import seasborn as sns
    sns.kdeplot(mydata1)
    sns.kdeplot(mydata2)

    这里有一些有用的例子来比较kde和柱状图。