Matplotlib,从三个不等长度的数组创建堆积直方图

Question

我想创建一个堆叠直方图.如果我有一个由三个等长数据集组成的二维数组,这很简单.代码和图片如下:

import numpy as np
from matplotlib import pyplot as plt

# create 3 data sets with 1,000 samples
mu, sigma = 200, 25
x = mu + sigma*np.random.randn(1000,3)

#Stack the data
plt.figure()
n, bins, patches = plt.hist(x, 30, stacked=True, normed = True)
plt.show()

但是,如果我尝试使用具有不同长度的三个数据集的类似代码,则结果是一个直方图覆盖另一个直方图.有什么办法可以用混合长度数据集进行叠加直方图吗？

##Continued from above
###Now as three separate arrays
x1 = mu + sigma*np.random.randn(990,1)
x2 = mu + sigma*np.random.randn(980,1)
x3 = mu + sigma*np.random.randn(1000,1)

#Stack the data
plt.figure()
plt.hist(x1, bins, stacked=True, normed = True)
plt.hist(x2, bins, stacked=True, normed = True)
plt.hist(x3, bins, stacked=True, normed = True)
plt.show()

Answer 1

嗯,这很简单.我只需要将三个数组放在一个列表中.

##Continued from above
###Now as three separate arrays
x1 = mu + sigma*np.random.randn(990,1)
x2 = mu + sigma*np.random.randn(980,1)
x3 = mu + sigma*np.random.randn(1000,1)

#Stack the data
plt.figure()
plt.hist([x1,x2,x3], bins, stacked=True, density=True)
plt.show()

Answer 2

• 如果pandas是一个选项，则可以将数组加载到数据框中并进行绘制。
• 使用 pandas 的好处是数据现在采用了一种有用的格式，可用于附加分析和其他绘图。
• 以下代码将为每个数组创建一个listof DataFrameswith pandas.DataFrame, ，然后将concat数组组合在一起形成列表理解。
  • 这是创建长度不等的数组数据帧的正确方法。
    • SO：从条目具有不同长度的字典创建数据帧有更多方法从不等长的数组创建数据帧。
  • 对于等长数组，使用df = pd.DataFrame({'x1': x1, 'x2': x2, 'x3': x3})
• 使用pandas.DataFrame.plot，它用作matplotlib默认绘图引擎。
  • normed已被替换density为matplotlib
  • 有关 y 轴值的说明，请参阅density中的参数。matplotlib.pyplot.hist
• 欲了解更多信息：
  • 绘制直方图，使条形高度总和为 1（概率）

import pandas as pd
import numpy as np

# create the uneven arrays
mu, sigma = 200, 25
np.random.seed(365)
x1 = mu + sigma*np.random.randn(990, 1)
x2 = mu + sigma*np.random.randn(980, 1)
x3 = mu + sigma*np.random.randn(1000, 1)

# create the dataframe; enumerate is used to make column names
df = pd.concat([pd.DataFrame(a, columns=[f'x{i}']) for i, a in enumerate([x1, x2, x3], 1)], axis=1)

# plot the data
df.plot.hist(stacked=True, bins=30, density=True, figsize=(10, 6), grid=True)