Python 用MatplotLib直方图可视化第三个变量

请原谅我英语不好

在类似以下数据帧的数据帧上：

-----------------
|index|var1|var2|
-----------------

有很多行 var1介于0和4000之间 var2介于-100和100之间

我希望创建一个直方图，根据var1显示有多少行

在Y轴上，我们可以看到有多少行，例如，对于0>var1<500，几乎有500k行

现在我想添加var2，它显示行的质量。 例如，我希望根据var2的值，组图从0变为蓝色，从500变为蓝色，另一种颜色从500变为1000（例如，如果条形图的值为var2的平均值为100，则将其变为绿色，如果平均值为0，则将其变为红色）

我试着对此进行硬处理，但一旦我更换了垃圾箱或其他东西，我的代码就会中断

我也试着用历史记录顶部的plot来做，但是没有用

我当前的屏幕截图代码：

plt.hist(var1, bins=10, range=(0,4000), color='orange', alpha=0.7)
plt.title('Var 1',weight='bold', fontsize=18)
plt.yticks(weight='bold')
plt.xticks(weight='bold')

我觉得这是一件简单的事情，但我完全被困在我的学习，因为这一点

---

非常感谢您的帮助。

如果您创建了一个包含直方图中每个条颜色的列表，您可以使用以下代码段。它捕获包含单个补丁的

plt.hist

命令的返回值。可以在遍历这些面片时单独设置颜色

n, bins, patches = plt.hist(var1, bins=8, range=(0,4000), color="orange", alpha=0.7)
for i, patch in enumerate(patches):
    plt.setp(patch, "facecolor", colors[i])

此外，这里有一种可能的方法可以根据您拥有的数据类型创建所提到的

颜色列表

：

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

# create random values and store them in a DataFrame
y1 = np.random.randint(0,4000, 50)
y2 = np.random.randint(-100, 101, 50)
y = zip(y1,y2)
df = pd.DataFrame(y, columns=["Var1","Var2"])

var1 = df["Var1"].values

# pd.cut to bin the dataframe in the appropriate ranges of Var1
# then the mean of Var2 is calculated for each bin, results are stored in a list
mean = [df.groupby(pd.cut(df["Var1"], np.arange(0, 4000+500, 500)))["Var2"].mean()]

# how to color the bars based on Var2:
# -100 <= mean(Var2) < -33: blue
# -33 <= mean(Var2) < 33: red
# 33 <= mean(Var2) < 100: green
color_bins = np.array([-100,-33,33,100])
color_list = ["blue","red","green"]

# bin the means of Var2 according to the color_bins we just created
inds = np.digitize(mean, color_bins)

# list that assigns the appropriate color to each patch
colors = [color_list[value-1] for value in inds[0]]

n, bins, patches = plt.hist(var1, bins=8, range=(0,4000), color="orange", alpha=0.7)
for i, patch in enumerate(patches):
    plt.setp(patch, "facecolor", colors[i])

plt.title('Var 1',weight='bold', fontsize=18)
plt.yticks(weight='bold')
plt.xticks(weight='bold')

plt.show()

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
#创建随机值并将其存储在数据帧中
y1=np.random.randint（04000,50）
y2=np.random.randint（-100101,50）
y=zip（y1，y2）
df=pd.DataFrame（y，列=[“Var1”，“Var2”]）
var1=df[“var1”]。值
#pd.cut将数据帧存储在Var1的适当范围内
#然后计算每个箱子的Var2平均值，结果存储在列表中
平均值=[df.groupby（pd.cut（df[“Var1”]，np.arange（04000+500500）））[“Var2”].mean（）
#如何基于Var2为条形图着色：
#-100不仅你的代码是完美的，而且因为你的评论，我理解了一切。这是我在stackoverflow上收到的最好的答案！！非常感谢。