使用matplotlib的多个并排直方图？

Question

我有一个软件必须处理大量不同的数据，并且可能需要不同的时间来处理它。随着软件的修改，处理数据所需的时间也会发生变化，所以我想创建一个显示时间差异和异常值的图表，因为理想情况下，这个程序每个部分需要大约相同的时间数据（这听起来很奇怪，不切实际，我知道，但只是在这里和我一起滚动）。

起初，我考虑使用箱形图，但我认为它们是不合适的，因为完全有可能将一半的数据集悬停在一个值附近，另一半围绕另一个徘徊，我感觉不到箱形图将很好地说明。所以我决定尝试使用直方图，但我无法弄清楚如何让matplotlib以我想要的方式绘制它。我想要一个单独的数字，X轴标有软件版本，Y轴显示处理数据集所需的时间，有多个直方图，就像我做的这个模型：

此图表显示在版本0.1中，大多数数据集在2-4秒内处理，由于某种原因需要12秒才能处理一组数据集。 v0.1a摆脱了那些长的异常值，但一切都花了更长的时间。 0.1b比0.1a略快。最后，0.2显示了很大的速度提升，但又引入了异常值。

如何让matplotlib创建这样的情节？

Answer 1

这是一个（非常）基本的模型，说明如何实现这一目标：

import matplotlib.pyplot as plt
import numpy as np

number_of_bins = 20
number_of_data_points = 1000

ax = plt.subplot(111)

data_set = [np.random.normal(0, 1, number_of_data_points),
            np.random.normal(6, 1, number_of_data_points),
            np.random.normal(-3, 1, number_of_data_points)]

MID_VALUES = [0, 200, 400]
labels = ["v1", "v2", "v3"]


for MID_VAL, y in zip(MID_VALUES, data_set):

    hist, bin_edges = np.histogram(y, bins=number_of_bins)

    bottom = bin_edges[:-1]
    heights = np.diff(bin_edges)
    lefts = MID_VAL - .5 * hist

    ax.barh(bottom, hist, height=heights, left=lefts)

ax.set_xticks(MID_VALUES)
ax.set_xticklabels(labels)

plt.show()

我承认这缺乏很多改进，例如：手动选择MID_VALUES，这将取决于数据集并且可以自动化。不过，您可以将其变为更有用的格式。