使用matplotlib同时绘制两个直方图

Question

我使用文件中的数据创建了直方图，没有问题。现在我想重叠数据 同一直方图中的另一个文件，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，对于每个间隔，只显示具有最高值的条，而另一个则隐藏。我想知道如何用不同的颜色同时绘制两个直方图。

Answer 1

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()

Answer 2

接受的答案给出了具有重叠条形图的直方图的代码，但是如果您希望每个条形图并排（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()

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

Answer 3

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()

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（移动边缘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()

Answer 4

这是一种简单的方法，当数据具有不同的大小时，在同一个图上绘制两个直方图，并将它们并排绘制：

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()

Answer 5

作为对Gustavo Bezerra's answer的补充：

如果您要每个直方图进行归一化（对于mpl <= 2.1为 normed，对于mpl> = 3.1 为density），则不能只需使用normed/density=True，您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()

作为比较，具有默认权重和x的完全相同的y和density=True向量：

Answer 6

听起来你可能只想要一个条形图：

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

或者，您可以使用子图。

Answer 7

您应从bins返回的值中使用hist：

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)

Answer 8

还有一个类似于joaquin答案的选项：

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()

给出以下输出：

Answer 9

万一你有熊猫（import pandas as pd）或者可以使用pandas：

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()

Answer 10

当您要从二维numpy数组绘制直方图时，有一个警告。您需要交换两个轴。

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()

Answer 11

此问题之前已得到解答，但希望添加另一种快速/简便的解决方法，以帮助其他访问该问题的访客。

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

一些有用的示例是here，用于比较kde与直方图。

Answer 12

受到所罗门答案的启发，但为了坚持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()

请确保首先绘制出较高的直方图，否则需要设置plt.ylim（0,0.45），以免截掉较高的直方图。