Python 如何从频率表中绘制直方图和分布？

我有一张频率表

我一直想把这些数据画成这样

所以试过这个,

to_plot = compare_df[['counts', 'theoritical counts']]
bins=[0,2500,5000,7500,10000,12500,15000,17500,20000]
sns.displot(to_plot,bins=bins)

但是结果是这样的,，

知道我做错了什么吗？请帮忙。

两件事：

当您向

sns.displat

提供数据帧时，还需要指定将哪个列作为

x

kwarg用于分发

这就引出了第二个问题：我不知道使用

sns.displat

获得多个发行版的方法，但您可以大致这样使用

sns.histplot

：

结果如下，请注意，我刚刚使用了一个示例数据集，以尽快获得一个粗略的图像：

---

首先，请注意，仅从频率创建kde绘图时，会丢失重要信息

sns.histplot（）

有一个参数

weights=

，可以处理频率。我没有看到使用长数据帧和

hue

实现这一点的方法，但是您可以为每个列分别调用

histplot

。以下是从生成的数据开始的示例：

导入matplotlib.pyplot作为plt
导入seaborn作为sns
作为pd进口熊猫
将numpy作为np导入
sns.set（）
容器=np.数组（[0,2500,5000,7500,10000,12500,15000,17500,20000]）
df=pd.DataFrame（{'counts'：np.random.randint（2,30,8），
“理论计数”：np.random.randint（2,30,8）}，
索引=局部放电间隔（0，20000，频率=2500））
df[‘理论计数’]=（3*df[‘计数’]+df[‘理论计数’）//4
图，ax=plt.子批次（）
对于列，zip中的颜色（['counts'，'theory counts']，['cornflowerblue'，'crimson']）：
sns.histplot（x=（bin[：-1]+bin[1:]）/2，权重=df[column]，bin=8，binrange=（02000），
kde=True，kde_kws={'cut'：.3}，
颜色=颜色，alpha=0.5，标签=列，ax=ax）
ax.图例（）
斧头组（范围（0，20001，2500））
plt.show（）

由于箱子宽度变化很大，因此没有足够的信息来绘制合适的kde曲线。此外，条形图似乎比直方图更合适。以下是一个示例：

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

sns.set()
bins = [0, 250, 500, 1000, 1500, 2500, 5000, 10000, 50000, np.inf]
bin_labels = [f'{b0}-{b1}' for b0, b1, in zip(bins[:-1], bins[1:])]
df = pd.DataFrame({'counts': np.random.randint(2, 30, 9),
                   'theoretical counts': np.random.randint(2, 30, 9)})
df['theoretical counts'] = (3 * df['counts'] + df['theoretical counts']) // 4
fig, ax = plt.subplots(figsize=(10, 4))
sns.barplot(data=df.melt(), x=np.tile(bin_labels, 2), y='value',
            hue='variable', palette=['cornflowerblue', 'crimson'], ax=ax)
plt.tight_layout()
plt.show()

---

有一些选项，例如

dodge=False，alpha=0.5

在同一点绘制条形图。

非常感谢！！！它工作得很好。还有一个问题，如果每个箱子的宽度不一样，比如[0250001000150025005000100000000，float（'inf'），我该怎么办？在这种情况下，有意义的kde曲线缺少太多信息。而不是直方图，条形图更适合。我用一个额外的例子更新了答案。

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

sns.set()
bins = [0, 250, 500, 1000, 1500, 2500, 5000, 10000, 50000, np.inf]
bin_labels = [f'{b0}-{b1}' for b0, b1, in zip(bins[:-1], bins[1:])]
df = pd.DataFrame({'counts': np.random.randint(2, 30, 9),
                   'theoretical counts': np.random.randint(2, 30, 9)})
df['theoretical counts'] = (3 * df['counts'] + df['theoretical counts']) // 4
fig, ax = plt.subplots(figsize=(10, 4))
sns.barplot(data=df.melt(), x=np.tile(bin_labels, 2), y='value',
            hue='variable', palette=['cornflowerblue', 'crimson'], ax=ax)
plt.tight_layout()
plt.show()