使用pandas绘制多个重叠的直方图

Question

使用pandas绘制多个重叠的直方图

5

我有两个不同的数据框，每个数据框有19个变量，我正在绘制一个多重图，其中包含每个变量的直方图，如下所示：

fig, ax = plt.subplots(figsize=(19,10), dpi=50)
dataframe1.hist(ax=ax, layout=(3,7), alpha=0.5)

fig, ax = plt.subplots(figsize=(19,10), dpi=50)
dataframe2.hist(ax=ax, layout=(3,7), alpha=0.5)

这会生成两张图片，每张图片内包含19个直方图。我想尝试的是绘制一张图片，在同一个子图中共享这些直方图。

我尝试过这样做：

fig, ax = plt.subplots(figsize=(19,10), dpi=50)
dataframe1.hist(ax=ax, layout=(3,7), alpha=0.5, label='x')
dataframe2.hist(ax=ax, layout=(3,7), alpha=0.5, label='y', color='red')

但是它只会画最后一个。这是一个类似的例子：如何使用matplotlib同时绘制两个直方图，但我该如何将其应用于我的19个子图中呢？

欢迎提出任何想法，提前感谢！

P.S：我目前正在使用带有%matplotlib notebook选项的Jupyter Notebooks

- Sergiodiaz53

1

我理解得没错吧，您想在同一组坐标轴上显示19个直方图？ - asongtoruin

我刚刚添加了其中一张图片。我希望每个子图都有两个直方图，而不是一个。感谢您的理解和尝试！ - Sergiodiaz53

2个回答

3

当您调用subplots函数时，可以指定所需的行数和列数。在这种情况下，您需要3行7列。但是，由于您的数据框中只有19个可绘制的数据，.plot函数无法处理21个轴。因此，我们需要将这些轴展平为一个列表，并将其转换为可变列表，这样就可以同时从图形和轴集合中删除最后两个元素，方法是使用.pop()函数。

fig, axes = plt.subplots(figsize=(19,10), dpi=50, nrows=3, ncols=7)
flat_axes = list(axes.reshape(-1))
fig.delaxes(flat_axes.pop(-1))
fig.delaxes(flat_axes.pop(-1))

dataframe1.hist(ax=flat_axes, alpha=0.5, label='x')
dataframe2.hist(ax=flat_axes, alpha=0.5, label='x',color='r')

- asongtoruin

如果没有你的解释，这段代码非常整洁但很难理解。 - jtlz2

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Thomas Kühn · Accepted Answer

你的问题是在plt.subplots函数中只创建了一个Axes对象，但实际上需要21个（3x7）。由于提供的子图数量与请求的子图数量不匹配，因此pandas会创建新的子图。因为这发生了两次，你只看到第二组直方图。

你可以完全省略对subplots的调用，让pandas完成所有工作。对hist的调用返回所有需要的子图，然后可以在第二个hist调用中使用它们。

编辑：

我意识到，如果所需绘制的图的数量实际上不等于网格单元格的数量（在本例中为3x9=21），则必须传递确切数量的要绘制的子图（在本例中为19）。然而，对df.hist的调用会为每个网格单元格返回一个子图（即21个），并且显然隐藏了未使用的子图。因此，你必须仅将所有返回的子图的子集传递给第二次对hist的调用。最简单的方法是将子图的2d数组转换为1d数组，然后使用该数组进行切片，例如`axes.ravel()[:19]`。我已相应地编辑了代码：

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

length=19

loc = np.random.randint(0,50,size=length)
scale = np.random.rand(length)*10
dist = np.random.normal(loc=loc, scale=scale, size=(100,length))
df1 = pd.DataFrame(data=list(dist))


axes = df1.hist(layout=(3,7), alpha=0.5, label='x')

loc = np.random.randint(0,50,size=length)
scale = np.random.rand(length)*10
dist = np.random.normal(loc=loc, scale=scale, size=(100,length))
df2 = pd.DataFrame(data=list(dist))

df2.hist(ax=axes.ravel()[:length], layout=(3,7), alpha=0.5, label='x',color='r')

plt.show()

这将产生以下输出：