Python 将数据帧绘制为'；历史'；和'；kde'；同谋

我有一个包含用户信息的数据框。我想在同一个图上绘制

kind='kde'

和

kind='hist'

上的用户年龄。目前，我能够拥有两个独立的情节。数据帧类似于：

member_df=    
user_id    Age
1          23
2          34
3          63 
4          18
5          53  
...

使用

ax1 = plt.subplot2grid((2,3), (0,0))
member_df.Age.plot(kind='kde', xlim=[16, 100])
ax1.set_xlabel('Age')

ax2 = plt.subplot2grid((2,3), (0,1))
member_df.Age.plot(kind='hist', bins=40)
ax2.set_xlabel('Age')

ax3 = ...

我知道

kind='kde'

会给我y轴的频率，而

kind='kde'

会给我一个累积分布，但是有没有办法将两者结合起来，让y轴由频率来表示？

pd.DataFrame.plot（）

返回它要打印的

ax

。您可以将其重新用于其他绘图

尝试：

示例
我首先绘制

hist

以放入背景
另外，我将

kde

放在

secondary_y

轴上

import pandas as pd
import numpy as np


np.random.seed([3,1415])
df = pd.DataFrame(np.random.randn(100, 2), columns=list('ab'))

ax = df.a.plot(kind='hist')
df.a.plot(kind='kde', ax=ax, secondary_y=True)

---

评论回复
使用

subplot2grid

。只需重新使用ax1即可

import pandas as pd
import numpy as np

ax1 = plt.subplot2grid((2,3), (0,0))

np.random.seed([3,1415])
df = pd.DataFrame(np.random.randn(100, 2), columns=list('ab'))

df.a.plot(kind='hist', ax=ax1)
df.a.plot(kind='kde', ax=ax1, secondary_y=True)

---

如果您希望数据帧的所有列都使用它：

fig, ax = plt.subplots(8,3, figsize=(20, 50)) 
# you can change the distribution, I had 22 columns, so 8x3 is fine to me
fig.subplots_adjust(hspace = .2, wspace=.2, )

ax = ax.ravel()

for i in range(len(I_df.columns)):
    ax[i] = I_df.iloc[:,i].plot(kind='hist', ax=ax[i])
    ax[i] = I_df.iloc[:,i].plot(kind='kde', ax=ax[i], secondary_y=True)
    plt.title(I_df.columns[i])

---

我希望它能有所帮助：）

它使用起来更好，甚至更简单。之前提出的解决方案让KDE图对我来说有点“上移”<代码>seaborn.distplot在hist和kde绘图之间精确地排列了零

导入seaborn作为sns
sns显示（df.a）

我已经测试了代码，并尝试根据需要对其进行轻微修改。当我只有这两个情节需要考虑时，这就是诀窍。当我试图在

sublot2grid

中包含时，它无法产生相同的结果，它只会复制直方图。@Lukasz在任何情况下都要使用相同的

ax

。

fig, ax = plt.subplots(8,3, figsize=(20, 50)) 
# you can change the distribution, I had 22 columns, so 8x3 is fine to me
fig.subplots_adjust(hspace = .2, wspace=.2, )

ax = ax.ravel()

for i in range(len(I_df.columns)):
    ax[i] = I_df.iloc[:,i].plot(kind='hist', ax=ax[i])
    ax[i] = I_df.iloc[:,i].plot(kind='kde', ax=ax[i], secondary_y=True)
    plt.title(I_df.columns[i])