Python 如何在matplotlib中按不同组绘制直方图？

我有一张像这样的桌子：

value    type
10       0
12       1
13       1
14       2

生成虚拟数据：

import numpy as np

value = np.random.randint(1, 20, 10)
type = np.random.choice([0, 1, 2], 10)

我想使用matplotlib（v1.4）在Python 3中完成一项任务：

• 绘制

  值的直方图

• 按

  类型分组

  ，即使用不同的颜色来区分类型
• “栏”的位置应为“道奇”，即并排
• 由于值的范围很小，我将使用

  identity

  来表示箱子，即箱子的宽度为1

问题是：

• 如何根据

  类型

  的值为条形图指定颜色，并从colormap（例如

  重音

  或matplotlib中的其他cmap）绘制颜色？我不想使用命名颜色（即

  'b'，'k'，'r'

  ）
• 我的直方图中的条相互重叠，如何“闪避”这些条

---

注意

我已经在Seaborn、matplotlib和pandas.plot上试用了两个小时，但未能获得所需的直方图

我阅读了matplotlib的示例和用户指南。令人惊讶的是，我没有找到关于如何从colormap分配颜色的教程

我在谷歌上搜索过，但没有找到一个简洁的例子

我想使用

matplotlib.pyplot

可以完成这项任务，而无需导入一堆模块，例如

matplotlib.cm

，

matplotlib.colors

---

对于第一个问题，我们可以创建一个等于1的虚拟列，然后通过对该列求和生成计数，并按值和类型分组

对于第二个问题，您可以使用

colormap

参数将colormap直接传递到

plot

：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import seaborn
seaborn.set() #make the plots look pretty

df = pd.DataFrame({'value': value, 'type': type})
df['dummy'] = 1
ag = df.groupby(['value','type']).sum().unstack()
ag.columns = ag.columns.droplevel()

ag.plot(kind = 'bar', colormap = cm.Accent, width = 1)
plt.show()

---

每当需要绘制一个由另一个变量分组的变量（使用颜色）时，seaborn通常提供比matplotlib或pandas更方便的方法。下面是一个使用seaborn函数的解决方案：

import numpy as np                 # v 1.19.2
import pandas as pd                # v 1.1.3
import matplotlib.pyplot as plt    # v 3.3.2
import seaborn as sns              # v 0.11.0

# Set parameters for random data
rng = np.random.default_rng(seed=1) # random number generator
size = 50
xmin = 1
xmax = 20

# Create random dataframe
df = pd.DataFrame(dict(value = rng.integers(xmin, xmax, size=size),
                       val_type = rng.choice([0, 1, 2], size=size)))

# Create histogram with discrete bins (bin width is 1), colored by type
fig, ax = plt.subplots(figsize=(10,4))
sns.histplot(data=df, x='value', hue='val_type', multiple='dodge', discrete=True,
             edgecolor='white', palette=plt.cm.Accent, alpha=1)

# Create x ticks covering the range of all integer values of df['value']
ax.set_xticks(np.arange(df['value'].min(), df['value'].max()+1))

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

# For some reason the palette argument in countplot is not processed the
# same way as in histplot so here I fetch the colors from the previous
# example to make it easier to compare them
colors = [c for c in set([patch.get_facecolor() for patch in ax.patches])]

# Create bar chart of counts of each value grouped by type
fig, ax = plt.subplots(figsize=(10,4))
sns.countplot(data=df, x='value', hue='val_type', palette=colors,
              saturation=1, edgecolor='white')

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

正如您所注意到的，这是一个柱状图而不是条形图，除了数据集中不存在x轴的值（如值12和14）之外，条形图之间没有空间

鉴于pandas中提供的公认答案为条形图，并且条形图可能是在某些情况下显示直方图的相关选择，以下是如何使用函数创建seaborn柱状图：

import numpy as np                 # v 1.19.2
import pandas as pd                # v 1.1.3
import matplotlib.pyplot as plt    # v 3.3.2
import seaborn as sns              # v 0.11.0

# Set parameters for random data
rng = np.random.default_rng(seed=1) # random number generator
size = 50
xmin = 1
xmax = 20

# Create random dataframe
df = pd.DataFrame(dict(value = rng.integers(xmin, xmax, size=size),
                       val_type = rng.choice([0, 1, 2], size=size)))

# Create histogram with discrete bins (bin width is 1), colored by type
fig, ax = plt.subplots(figsize=(10,4))
sns.histplot(data=df, x='value', hue='val_type', multiple='dodge', discrete=True,
             edgecolor='white', palette=plt.cm.Accent, alpha=1)

# Create x ticks covering the range of all integer values of df['value']
ax.set_xticks(np.arange(df['value'].min(), df['value'].max()+1))

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

# For some reason the palette argument in countplot is not processed the
# same way as in histplot so here I fetch the colors from the previous
# example to make it easier to compare them
colors = [c for c in set([patch.get_facecolor() for patch in ax.patches])]

# Create bar chart of counts of each value grouped by type
fig, ax = plt.subplots(figsize=(10,4))
sns.countplot(data=df, x='value', hue='val_type', palette=colors,
              saturation=1, edgecolor='white')

# Additional formatting
sns.despine()
ax.get_legend().set_frame_on(False)

plt.show()

---

由于这是条形图，因此不包括值12和14，这会产生一个有点虚假的图，因为没有为这些值显示空白。另一方面，每组条形图之间有一定的间距，便于查看每个条形图所属的值。

谢谢。我可以使用

hist

来获得相同的结果，而不按枢轴计数吗？嗯，我不确定你如何使用

hist

来实现这一点，我只使用hist来绘制单个序列。