如何在 matplotlib 中按不同组绘制直方图？

Question

我有一个 table 像：

value    type
10       0
12       1
13       1
14       2

生成一个虚拟数据：

import numpy as np

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

我想用 matplotlib (v1.4) 在 Python 3 中完成一个任务：

绘制 value
分组type，即用不同颜色区分类型
“横条”的位置应该是“闪避”，即并排
因为取值范围很小，所以我会用identity作为bins，即一个bin的宽度是1

问题是：

如何根据 type 的值为条形分配颜色并从颜色图中绘制颜色（例如 Accent 或 matplotlib 中的其他 cmap）？我不想使用 命名颜色 （即 'b', 'k', 'r'）
直方图中的条形相互重叠，如何“躲避”条形？

备注

我已经在 Seaborn、matplotlib 和 pandas.plot 上尝试了两个小时，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，我没有找到有关如何从颜色图中分配颜色的教程。
我在 Google 上进行了搜索，但未能找到简洁的示例。
我想可以用 matplotlib.pyplot 完成任务，而无需导入一堆模块，例如 matplotlib.cm、matplotlib.colors.

Answer 1

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

对于第二个问题，您可以使用 colormap 参数将颜色图直接传递到 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()

Answer 2

每当您需要绘制由另一个分组的变量（使用颜色）时，seaborn 通常会提供比 matplotlib 或 pandas 更方便的方法。所以这是一个使用 seaborn histplot 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()

如您所见，这是直方图而不是条形图，条形之间没有 space，除非数据集中不存在 x 轴的值，例如值 12 和14.

看到已接受的答案在 pandas 中提供了条形图，并且条形图可能是在某些情况下显示直方图的相关选择，这里是如何使用 countplot函数：

# 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，这会产生一个有点欺骗性的图，因为没有为这些值显示空的 space。另一方面，每组柱之间有一些 space，这样可以更容易地看到每个柱属于什么值。

如何在 matplotlib 中按不同组绘制直方图？

How to plot a histogram by different groups in matplotlib?

python

plot

matplotlib

histogram

pandas