如何在matplotlib

Question

我有一张表：

value    type
10       0
12       1
13       1
14       2

生成虚拟数据：

import numpy as np

value = np.random.randint(1, 20, 10)
type = np.random.choice([0, 1, 2], 10)

我想使用matplotlib（v1.4）在Python 3中完成一项任务：

• 绘制直方图value
• 按type分组，即使用不同的颜色来区分类型
• ＆＃34; bar＆＃34;的位置应该＆＃34;躲闪＆＃34;，即并排
• 因为值的范围很小，我会使用identity作为bin，即bin的宽度为1

问题是：

• 如何根据type的值为条形指定颜色并从colormap中绘制颜色（例如Accent或matplotlib中的其他cmap）？我不想使用命名颜色（即'b', 'k', 'r'）
• 我的直方图中的条形相互重叠，如何＆＃34;闪避＆＃34;酒吧？

注意（以免该帖子被投票并被视为＆＃34;天真＆＃34;）

1. 我已经尝试过Seaborn，matplotlib和pandas.plot两个小时但未能获得所需的直方图。
2. 我阅读了这些示例和用户＆＃39; matplotlib指南。令人惊讶的是，我没有找到关于如何从colormap分配颜色的教程。
3. 我在Google上搜索过但没有找到一个简洁的例子。
4. 我想我可以使用matplotlib.pyplot完成任务，而无需导入matplotlib.cm，matplotlib.colors等一大堆模块。

Answer 1

对于第一个问题，我们可以创建一个等于1的虚拟列，然后通过对此列求和来生成计数，按值和类型分组。

对于第二个问题，您可以使用plot参数将色彩映射直接传递到colormap：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import seaborn
seaborn.set() #make the plots look pretty

df = pd.DataFrame({'value': value, 'type': type})
df['dummy'] = 1
ag = df.groupby(['value','type']).sum().unstack()
ag.columns = ag.columns.droplevel()

ag.plot(kind = 'bar', colormap = cm.Accent, width = 1)
plt.show()

Answer 2

每当您需要绘制按另一个分组的变量（使用颜色）时，seaborn 通常会提供比 matplotlib 或 pandas 更方便的方法。所以这是使用 seaborn histplot 函数的解决方案：

import numpy as np                 # v 1.19.2
import pandas as pd                # v 1.1.3
import matplotlib.pyplot as plt    # v 3.3.2
import seaborn as sns              # v 0.11.0

# Set parameters for random data
rng = np.random.default_rng(seed=1) # random number generator
size = 50
xmin = 1
xmax = 20

# Create random dataframe
df = pd.DataFrame(dict(value = rng.integers(xmin, xmax, size=size),
                       val_type = rng.choice([0, 1, 2], size=size)))

# Create histogram with discrete bins (bin width is 1), colored by type
fig, ax = plt.subplots(figsize=(10,4))
sns.histplot(data=df, x='value', hue='val_type', multiple='dodge', discrete=True,
             edgecolor='white', palette=plt.cm.Accent, alpha=1)

# Create x ticks covering the range of all integer values of df['value']
ax.set_xticks(np.arange(df['value'].min(), df['value'].max()+1))

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

如您所见，这是一个直方图而不是条形图，条形之间没有空格，除非数据集中不存在 x 轴的值，例如值 12 和 14。

看到接受的答案提供了 Pandas 中的条形图，并且条形图可能是在某些情况下显示直方图的相关选择，以下是如何使用 countplot 函数创建带有 seaborn 的直方图：< /p>

# For some reason the palette argument in countplot is not processed the
# same way as in histplot so here I fetch the colors from the previous
# example to make it easier to compare them
colors = [c for c in set([patch.get_facecolor() for patch in ax.patches])]

# Create bar chart of counts of each value grouped by type
fig, ax = plt.subplots(figsize=(10,4))
sns.countplot(data=df, x='value', hue='val_type', palette=colors,
              saturation=1, edgecolor='white')

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

由于这是一个条形图，不包括值 12 和 14，这会产生一个有点欺骗性的图，因为这些值没有显示空白区域。另一方面，每组条形之间有一些空间，可以更容易地查看每个条形所属的值。