พล็อตฮิสโตแกรมสองกราฟบนแผนภูมิเดี่ยวด้วย matplotlib

ฉันสร้างพล็อตฮิสโตแกรมโดยใช้ข้อมูลจากไฟล์และไม่มีปัญหา ตอนนี้ฉันต้องการรวบรวมข้อมูลจากไฟล์อื่นในฮิสโตแกรมเดียวกันดังนั้นฉันจึงทำสิ่งนี้

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

แต่ปัญหาคือว่าสำหรับแต่ละช่วงเวลาจะมีเพียงแถบที่มีค่าสูงสุดปรากฏขึ้นและอีกอันจะถูกซ่อนไว้ ฉันสงสัยว่าฉันจะพล็อตฮิสโตแกรมทั้งสองในเวลาเดียวกันด้วยสีที่ต่างกันได้อย่างไร

ที่นี่คุณมีตัวอย่างการทำงาน:

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()

คำตอบที่ได้รับการยอมรับจะให้รหัสสำหรับฮิสโตแกรมที่มีแท่งที่ซ้อนทับกัน แต่ในกรณีที่คุณต้องการให้แต่ละแท่งเป็นแบบเคียงข้างกัน

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()

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

แก้ไข [2018/03/16]: อัปเดตเพื่อให้สามารถวางแผนอาร์เรย์ที่มีขนาดแตกต่างกันตามที่ @stochastic_zeitgeist แนะนำ

ในกรณีที่คุณมีขนาดตัวอย่างแตกต่างกันอาจเป็นการยากที่จะเปรียบเทียบการแจกแจงกับแกน y เดี่ยว ตัวอย่างเช่น:

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()

ในกรณีนี้คุณสามารถพล็อตชุดข้อมูลสองชุดของคุณบนแกนที่แตกต่างกัน ในการทำเช่นนั้นคุณสามารถรับข้อมูลฮิสโตแกรมของคุณโดยใช้ matplotlib ล้างแกนแล้วทำการพล็อตใหม่ในแกนที่แยกกันสองแกน (เลื่อนขอบถังขยะเพื่อไม่ให้ซ้อนทับกัน)

#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()

ตามคำตอบของ Gustavo Bezerra :

หากคุณต้องการให้ฮิสโตแกรมแต่ละรายการถูกทำให้เป็นมาตรฐาน ( normedสำหรับ mpl <= 2.1 และdensityสำหรับ mpl> = 3.1 ) คุณไม่สามารถใช้งานnormed/density=Trueได้คุณต้องตั้งค่าน้ำหนักสำหรับแต่ละค่าแทน:

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()

เป็นการเปรียบเทียบกันแน่นอนxและyเวกเตอร์ที่มีน้ำหนักเริ่มต้นและdensity=True:

คุณควรใช้binsจากค่าที่ส่งคืนโดยhist:

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)

นี่คือวิธีการง่ายๆในการพล็อตฮิสโทแกรมสองกราฟพร้อมกับแท่งแต่ละด้านในพล็อตเดียวกันเมื่อข้อมูลมีขนาดต่างกัน:

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()

ดูเหมือนว่าคุณอาจต้องการเพียงกราฟแท่ง:

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

หรือมิฉะนั้นคุณสามารถใช้จุดย่อย

ในกรณีที่คุณมีหมีแพนด้า ( import pandas as pd) หรือใช้งานไม่ได้:

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()

มีข้อแม้หนึ่งข้อเมื่อคุณต้องการพล็อตกราฟฮิสโตแกรมจากอาร์เรย์ 2 มิติ คุณต้องสลับ 2 แกน

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()

คำถามนี้ได้รับการตอบก่อนหน้านี้ แต่ต้องการเพิ่มวิธีการแก้ปัญหาที่ง่าย / รวดเร็วอีกครั้งซึ่งอาจช่วยให้ผู้เข้าชมคนอื่น ๆ สำหรับคำถามนี้

import seasborn as sns 
sns.kdeplot(mydata1)
sns.kdeplot(mydata2)

ตัวอย่างที่เป็นประโยชน์อยู่ที่นี่สำหรับการเปรียบเทียบ kde กับฮิสโตแกรม

แรงบันดาลใจจากคำตอบของโซโลมอน แต่ติดกับคำถามซึ่งเกี่ยวข้องกับฮิสโตแกรมวิธีแก้ปัญหาที่สะอาดคือ:

sns.distplot(bar)
sns.distplot(foo)
plt.show()

ตรวจสอบให้แน่ใจว่าได้พล็อตความสูงก่อนมิฉะนั้นคุณจะต้องตั้งค่า plt.ylim (0,0.45) เพื่อให้ฮิสโตแกรมที่สูงขึ้นไม่ถูกตัดออก

ตัวเลือกที่ค่อนข้างคล้ายกับคำตอบ joaquin:

import random
from matplotlib import pyplot

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

#plot both histograms(range from -10 to 10), bins set to 100
pyplot.hist([x,y], bins= 100, range=[-10,10], alpha=0.5, label=['x', 'y'])
#plot legend
pyplot.legend(loc='upper right')
#show it
pyplot.show()

ให้เอาต์พุตต่อไปนี้: