首页 文章

使用matplotlib同时绘制两个直方图

提问于
浏览 次
150

我使用文件中的数据创建了直方图，没有问题 . 现在我想在同一直方图中叠加来自另一个文件的数据，所以我做了类似的事情

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

但问题是，对于每个区间，只显示具有最高值的条，而另一个区间是隐藏的 . 我想知道如何用不同的颜色同时绘制两个直方图 .

python matplotlib plot histogram

8 回答

  • 3

    接受的答案给出了具有重叠条形的直方图的代码，但是如果您希望每个条形并排（就像我一样），请尝试以下变体：

    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()

    enter image description here

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

    编辑[2018/03/16]：更新以允许绘制不同大小的数组，如@stochastic_zeitgeist所示

    回复于
  • 0

    如果您的样本量不同，则可能难以将分布与单个y轴进行比较 . 例如：

    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()

    hist_single_ax

    在这种情况下，您可以在不同的轴上绘制两个数据集 . 为此，您可以使用matplotlib获取直方图数据，清除轴，然后在两个不同的轴上重新绘制它（移动bin边缘以使它们不重叠）：

    #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()

    hist_twin_ax

    回复于
  • 97

    万一你有熊猫（ import pandas as pd ）或可以使用它：

    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()
    回复于
  • 302

    您应该使用 hist 返回的值中的 bins ：

    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)

    Two matplotlib histograms with same binning

    回复于
  • 2

    下面是一种简单的方法，当数据具有不同的大小时，在同一个图上绘制两个直方图并排其条形图：

    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()
    回复于
  • 7

    作为完成Gustavo Bezerra's answer：

    如果你想 each histogram to be normalized （ normed 表示mpl <= 2.1而 density 表示mpl> = 3.1）你不能只使用 normed/density=True ，你需要为每个值设置权重：

    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，具有默认权重和 density=True 的完全相同的 x 和 y 向量：

    enter image description here

    回复于
  • 3
    回复于
  • 15

    这里有一个有效的例子：

    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

    回复于

相关问题