Traçar dois histogramas no gráfico único com matplotlib

234

Criei um gráfico de histograma usando dados de um arquivo e sem problemas. Agora eu queria sobrepor dados de outro arquivo no mesmo histograma, então faço algo assim

n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)

mas o problema é que, para cada intervalo, apenas a barra com o valor mais alto aparece e a outra está oculta. Eu me pergunto como eu poderia plotar os dois histogramas ao mesmo tempo com cores diferentes.

Abra o caminho
fonte

Respostas:

418

Aqui você tem um exemplo de trabalho:

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()

insira a descrição da imagem aqui

joaquin
fonte
1
Não seria uma boa ideia definir pyplot.hold(True)antes da plotagem, por precaução?
JAB
2
Não tenho certeza se hold (True) está definido nos meus parâmetros de configuração matplotlib ou pyplot se comporta dessa maneira por padrão, mas para mim o código funciona como está. O código é extraído de um aplicativo maior que não apresenta nenhum problema até o momento. De qualquer forma, boa pergunta eu já fiz para mim mesmo ao escrever o código
joaquin
@joaquin: como eu poderia especificar x como azul e y como vermelho?
amc
7
Quando reproduzi a plotagem com a cor da barra das bordas, Nonepor padrão. Se você deseja o mesmo design, como mostrado no gráfico, pode definir o edgecolorparâmetro em ambos, por exemplo, para k(preto). O procedimento é semelhante para a legenda.
Então S
2
Mais fácil: pyplot.hist([x, y], bins, alpha=0.5, label=['x', 'y']).
Augustin
174

As respostas aceitas fornecem o código para um histograma com barras sobrepostas, mas caso você queira que cada barra fique lado a lado (como eu fiz), tente a variação abaixo:

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()

insira a descrição da imagem aqui

Referência: http://matplotlib.org/examples/statistics/histogram_demo_multihist.html

EDIT [2018/03/16]: atualizado para permitir a plotagem de matrizes de tamanhos diferentes, conforme sugerido por @stochastic_zeitgeist

Gustavo Bezerra
fonte
@GustavoBezerra, como usar plt.histpara produzir um arquivo pdf para cada histograma? Carreguei meus dados usando pandas.read_csve o arquivo tem 36 colunas e 100 linhas. Então, eu gostaria de 100 arquivos PDF.
Sigur
2
@ Sigur Isso é bastante fora de tópico. Por favor, Google ou faça uma nova pergunta. Isso parece estar relacionado: stackoverflow.com/questions/11328958/…
Gustavo Bezerra #
1
@stochastic_zeitgeist Concordo com @pasbi. Usei seu comentário com um dataframe de pandas porque precisava de pesos diferentes devido a nans. com x=np.array(df.a)e y=np.array(df.b.dropna())basicamente acabou sendoplt.hist([x, y], weights=[np.ones_like(x)/len(x), np.ones_like(y)/len(y)])
grinsbaeckchen 4/17/17
1
Caso o tamanho da amostra seja drasticamente diferente, convém plotar usando eixos duplos para comparar melhor as distribuições. Veja abaixo .
Andrew
1
@ AgapeGal'lo Consulte a resposta de Andrew.
Gustavo Bezerra
30

No caso de você ter diferentes tamanhos de amostra, pode ser difícil comparar as distribuições com um único eixo y. Por exemplo:

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()

hist_single_ax

Nesse caso, você pode plotar seus dois conjuntos de dados em diferentes eixos. Para fazer isso, você pode obter os dados do histograma usando matplotlib, limpar o eixo e plotá-lo novamente em dois eixos separados (deslocando as bordas da bandeja para que não se sobreponham):

#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()

hist_twin_ax

Andrew
fonte
1
Esta é uma breve resposta de Nice, exceto que você também deve adicionar como centro as barras em cada etiqueta tick
Odisseo
12

Como conclusão da resposta de Gustavo Bezerra :

Se você deseja que cada histograma seja normalizado ( normedpara mpl <= 2.1 e densitypara mpl> = 3.1 ), você não pode apenas usar normed/density=True, você precisa definir os pesos para cada valor:

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()

insira a descrição da imagem aqui

Como comparação, exatamente o mesmo xe yvetores com pesos padrão e density=True:

insira a descrição da imagem aqui

jojo
fonte
9

Você deve usar binsos valores retornados por 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)

Dois histogramas matplotlib com o mesmo binning

Adrien Renaud
fonte
7

Aqui está um método simples para plotar dois histogramas, com suas barras lado a lado, no mesmo gráfico quando os dados tiverem tamanhos diferentes:

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()
stochastic_zeitgeist
fonte
2

Apenas no caso de você ter pandas ( import pandas as pd) ou concordar em usá-lo:

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()
serv-inc
fonte
Acredito que o uso de pandas não funcionará se os histogramas a serem comparados tiverem tamanhos de amostra diferentes. Este também é frequentemente o contexto em que histogramas normalizados são usados.
Solomon Vimal
2

Há uma ressalva quando você deseja plotar o histograma a partir de uma matriz numpy 2D. Você precisa trocar os 2 eixos.

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()

insira a descrição da imagem aqui

黄锐铭
fonte
0

Esta pergunta foi respondida anteriormente, mas você deseja adicionar outra solução rápida / fácil que possa ajudar outros visitantes a esta pergunta.

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

Alguns exemplos úteis estão aqui para comparação entre kde e histograma.

Salomon Vimal
fonte
0

Inspirada na resposta de Salomão, mas para manter a pergunta relacionada ao histograma, uma solução limpa é:

sns.distplot(bar)
sns.distplot(foo)
plt.show()

Certifique-se de plotar o mais alto primeiro, caso contrário, você precisará definir plt.ylim (0,0.45) para que o histograma mais alto não seja cortado.

Sarah
fonte
0

Também uma opção bastante semelhante à resposta de joaquin:

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()

Fornece a seguinte saída:

insira a descrição da imagem aqui

PV8
fonte