我用一个文件中的数据创建了一个直方图,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,所以我这样做
n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)
但问题是,对于每个区间,只有最高值的条出现,而另一个条被隐藏。我想知道如何用不同的颜色同时绘制两个直方图。
我用一个文件中的数据创建了一个直方图,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,所以我这样做
n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)
但问题是,对于每个区间,只有最高值的条出现,而另一个条被隐藏。我想知道如何用不同的颜色同时绘制两个直方图。
当前回答
接受的答案给出了带有重叠条的直方图的代码,但如果你想要每个条并排(就像我做的那样),请尝试下面的变化:
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()
参考:http://matplotlib.org/examples/statistics/histogram_demo_multihist.html
EDIT[2018/03/16]:更新到允许绘制不同大小的数组,正如@stochastic_zeitgeist所建议的那样
其他回答
当您想要从二维numpy数组绘制直方图时,有一个警告。你需要交换两个坐标轴。
import numpy as np
import matplotlib.pyplot as plt
data = np.random.normal(size=(2, 300))
# swapped_data.shape == (300, 2)
swapped_data = np.swapaxes(x, axis1=0, axis2=1)
plt.hist(swapped_data, bins=30, label=['x', 'y'])
plt.legend()
plt.show()
受到Solomon的答案的启发,但要坚持这个与直方图有关的问题,一个干净的解决方案是:
sns.distplot(bar)
sns.distplot(foo)
plt.show()
确保先绘制较高的直方图,否则需要设置plot .ylim(0,0.45),这样较高的直方图就不会被切掉。
以防你有pandas (import pandas as pd)或者可以使用它:
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()
绘制两个重叠的直方图(或更多)会导致一个相当混乱的图。我发现使用阶梯直方图(又名空心直方图)可以大大提高可读性。唯一的缺点是在matplotlib中,步骤直方图的默认图例没有正确格式化,所以可以像下面的例子那样编辑它:
import numpy as np # v 1.19.2
import matplotlib.pyplot as plt # v 3.3.2
from matplotlib.lines import Line2D
rng = np.random.default_rng(seed=123)
# Create two normally distributed random variables of different sizes
# and with different shapes
data1 = rng.normal(loc=30, scale=10, size=500)
data2 = rng.normal(loc=50, scale=10, size=1000)
# Create figure with 'step' type of histogram to improve plot readability
fig, ax = plt.subplots(figsize=(9,5))
ax.hist([data1, data2], bins=15, histtype='step', linewidth=2,
alpha=0.7, label=['data1','data2'])
# Edit legend to get lines as legend keys instead of the default polygons
# and sort the legend entries in alphanumeric order
handles, labels = ax.get_legend_handles_labels()
leg_entries = {}
for h, label in zip(handles, labels):
leg_entries[label] = Line2D([0], [0], color=h.get_facecolor()[:-1],
alpha=h.get_alpha(), lw=h.get_linewidth())
labels_sorted, lines = zip(*sorted(leg_entries.items()))
ax.legend(lines, labels_sorted, frameon=False)
# Remove spines
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
# Add annotations
plt.ylabel('Frequency', labelpad=15)
plt.title('Matplotlib step histogram', fontsize=14, pad=20)
plt.show()
如您所见,结果看起来非常干净。这在重叠两个以上的直方图时尤其有用。根据变量的分布方式,这最多可以适用于5个重叠的分布。除此之外,还需要使用另一种类型的情节,比如这里介绍的其中一种。
听起来你可能只需要一个柱状图:
http://matplotlib.sourceforge.net/examples/pylab_examples/bar_stacked.html http://matplotlib.sourceforge.net/examples/pylab_examples/barchart_demo.html
或者,您可以使用子情节。