Matplotlib图表相同数据不重叠

Question

我生成了一些数据，尝试将它们可视化为同一图中的两个图表。一个是条形图，另一个是折线图。

但是由于某种原因，这些图似乎没有重叠。

以下是我的代码：

# roll two 6-sided dices 500 times
dice_1 = pd.Series(np.random.randint(1, 7, 500))
dice_2 = pd.Series(np.random.randint(1, 7, 500))

dices = dice_1 + dice_2

# plotting the requency of a 2 times 6 sided dice role
fc = collections.Counter(dices)
freq = pd.Series(fc)
freq.plot(kind='line', alpha=0.6, linestyle='-', marker='o')
freq.plot(kind='bar', color='k', alpha=0.6)

这里是图表。

数据集相同，但折线图向右移动两个数据点（从4开始而不是2）。如果我分别绘制它们，它们会正确显示（都从2开始）。那么如果我在同一张图中绘制它们有什么不同？如何解决这个问题？

- 3vlM33pl3

---

问题在于，我认为它在Joe Kington的答案这里中有所描述。然而，那已经是5年前的事了，由于我怀疑这不是期望的行为，我想知道是否有一个好的解决方法。还在寻找中。 - roganjosh

Answer 1

我没有找到比重新提供x轴数据更简单的方法来实现这一点。如果这代表了你所使用的更大的方法，那么也许你需要从pd.Series()绘制这些数据，而不是使用列表，但是这段代码至少会给你想要的图形。如果你正在使用Python 3，请将iteritems()更改为items()。

似乎在线性图之后发生了一些自动缩放x轴的情况，这使得两个图之间相差两个点（最低值）。可能可以在两个图绘制之前禁用x轴的自动缩放，但这似乎更加困难。

import collections
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# roll two 6-sided dices 500 times
dice_1 = pd.Series(np.random.randint(1, 7, 500))
dice_2 = pd.Series(np.random.randint(1, 7, 500))

dices = dice_1 + dice_2

# plotting the requency of a 2 times 6 sided dice role
fc = collections.Counter(dices)

x_axis = [key for key, value in fc.iteritems()]
y_axis = [value for key, value in fc.iteritems()]

plt.plot(x_axis, y_axis, alpha=0.6, linestyle='-', marker='o')
plt.bar(x_axis, y_axis, color='k', alpha=0.6, align='center')
plt.show()

- roganjosh

Answer 2

这是因为系列图使用索引，将use_index设置为False可以解决问题，我建议使用groupby和len来计算每个组合的频率。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# roll two 6-sided dices 500 times
dice_1 = pd.Series(np.random.randint(1, 7, 500))
dice_2 = pd.Series(np.random.randint(1, 7, 500))
dices = dice_1 + dice_2

# returns the corresponding value of each index from dices
func = lambda x: dices.loc[x]

fc = dices.groupby(func).agg({'count': len})

ax = fc.plot(kind='line', alpha=0.6, linestyle='-',
             marker='o', use_index=False)
fc.plot(ax=ax, kind='bar', alpha=0.6, color='k')

plt.show()

结果如下所示：

- sgDysregulation