使用不同颜色的Python绘制直方图，以显示正值和负值

我使用Python完成了以下绘图：

import matplotlib.pyplot as plt
plt.hist([x*100 for x in relativeError], bins = 100)
plt.xlabel("Relative Error [%]")
plt.ylabel("#samples")
plt.axvline(x=0, linestyle='--',linewidth=1, color='grey')

但我真正想要的是根据值是正值还是负值而有不同的颜色。

\35;
将numpy作为np导入
将matplotlib.pyplot作为plt导入
#伪造数据集
高度=[3,12,5,18,45]
条形图=（'A'，'B'，'C'，'D'，'E'）
y_pos=np.arange（长（条））

现在，让我们研究3个颜色利用示例：

使用RGB的均匀颜色 RGB是一种制作颜色的方法。你必须提供一定量的红色、绿色和蓝色+透明度，它会返回一种颜色

plt.bar（y位置，高度，颜色=（0.2,0.4,0.6,0.6））
plt.xticks（y_位置，棒材）
plt.show（）

首先，您需要计算直方图中条形图的高度和位置。然后，您需要创建一个掩码来过滤正负数据。最后，分别绘制每个条形图子集，并在每次调用函数

plt.bar（）

时设置颜色

与您的数据相似的假数据示例：

导入matplotlib.pyplot作为plt
将numpy作为np导入
#生成假数据
N=1000
数据=np.随机.正常（loc=-1，大小=N）#平均值为-1
n_bins=100
高度，料仓，=plt.hist（数据，料仓=n个料仓）#获取钢筋的位置和高度
箱柜宽度=np.差异（箱柜）[0]
仓位=仓位[：-1]+仓位宽度/2
plt.图（）
掩码=（bin_pos>=0）
#分两步绘制数据
plt.bar（箱位[遮罩]、高度[遮罩]、宽度=箱位宽度、颜色='C1'）
plt.bar（料仓位置[~mask]，高度[~mask]，宽度=料仓宽度，颜色为C0'）
plt.xlabel（“相对误差[%]”）
plt.ylabel（“样本”）
plt.axvline（x=0，线型='--'，线宽=1，颜色='灰色'）
plt.show（）

---

你可以在事后给这些条上色

import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(-20, 15, 5000)

_, _, bars = plt.hist(x, bins = 100, color="C0")
for bar in bars:
    if bar.get_x() > 0:
        bar.set_facecolor("C1")
plt.xlabel("Relative Error [%]")
plt.ylabel("#samples")
plt.axvline(x=0, linestyle='--',linewidth=1, color='grey')
plt.show()

相反，如果您想要绘制一个历史记录值的条形图（如另一个答案所示），它看起来更像

import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(-20, 15, 5000)

hist, edges = np.histogram(x, bins=100)

colors = np.array(["C0", "C1"])[(edges[:-1] > 0).astype(int)]
plt.bar(edges[:-1], hist, width=np.diff(edges), align="edge", color=colors)
plt.xlabel("Relative Error [%]")
plt.ylabel("#samples")
plt.axvline(x=0, linestyle='--',linewidth=1, color='grey')
plt.show()

---

你需要划分2个子地块。将正值拆分为一个数组，将负值拆分为一秒。然后使用所需的

facecolor=color\u name

为这两个数组中的每一个分别生成历史图（子图）。然后将这些子图合并到单个绘图中。@rocker996提供示例数据