Matplotlib中如何绘制两个直方图并排显示

Matplotlib中如何绘制两个直方图并排显示

参考：How to plot two histograms together in Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大而灵活的工具来创建各种类型的图表。在数据分析和统计学中，直方图是一种常用的图表类型，用于展示数据的分布情况。有时，我们需要在同一张图上绘制两个直方图以进行比较。本文将详细介绍如何使用Matplotlib绘制两个直方图并排显示，包括多种方法和技巧。

1. 基础知识

在开始绘制两个直方图之前，我们需要了解一些基础知识。

1.1 什么是直方图

直方图是一种用于显示数据分布的图表类型。它将连续数据分成若干个区间（称为”箱”），并用矩形条表示每个区间内数据点的频率或数量。直方图的高度表示频率或数量，宽度表示数据区间。

1.2 Matplotlib中的直方图函数

Matplotlib提供了hist()函数来绘制直方图。以下是一个简单的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, edgecolor='black')
plt.title('How to plot histogram - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

Output:

这个示例生成了1000个服从标准正态分布的随机数，并将其绘制成一个直方图。bins参数指定了直方图的箱数，edgecolor参数设置了直方图边框的颜色。

2. 并排绘制两个直方图的方法

现在，让我们探讨几种在Matplotlib中并排绘制两个直方图的方法。

2.1 使用plt.hist()函数

最简单的方法是直接使用plt.hist()函数，并为两组数据分别调用一次。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 绘制两个直方图
plt.hist(data1, bins=30, alpha=0.5, label='Data 1')
plt.hist(data2, bins=30, alpha=0.5, label='Data 2')

plt.title('Two histograms - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.legend()
plt.show()

Output:

在这个示例中，我们生成了两组正态分布的数据，均值和标准差不同。然后，我们使用plt.hist()函数分别绘制这两组数据的直方图。alpha参数设置了直方图的透明度，使得两个直方图可以重叠显示。label参数为每个直方图添加了标签，以便在图例中显示。

2.2 使用numpy的histogram函数

另一种方法是先使用numpy的histogram函数计算直方图数据，然后使用plt.bar()函数绘制。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 计算直方图数据
hist1, bins1 = np.histogram(data1, bins=30)
hist2, bins2 = np.histogram(data2, bins=30)

# 计算条形图的中心位置
width = (bins1[1] - bins1[0]) / 2
center1 = (bins1[:-1] + bins1[1:]) / 2
center2 = (bins2[:-1] + bins2[1:]) / 2

# 绘制两个直方图
plt.bar(center1, hist1, width=width, alpha=0.5, label='Data 1')
plt.bar(center2, hist2, width=width, alpha=0.5, label='Data 2')

plt.title('Two histograms using numpy - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.legend()
plt.show()

Output:

这个方法的优点是可以更精确地控制直方图的位置和宽度。我们首先使用np.histogram()函数计算直方图数据，然后使用plt.bar()函数绘制条形图。width参数控制条形的宽度，center变量计算每个条形的中心位置。

2.3 使用subplot()函数

如果你想将两个直方图分开显示，可以使用subplot()函数创建子图。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

# 在第一个子图中绘制直方图
ax1.hist(data1, bins=30, edgecolor='black')
ax1.set_title('Histogram 1 - how2matplotlib.com')
ax1.set_xlabel('Value')
ax1.set_ylabel('Frequency')

# 在第二个子图中绘制直方图
ax2.hist(data2, bins=30, edgecolor='black')
ax2.set_title('Histogram 2 - how2matplotlib.com')
ax2.set_xlabel('Value')
ax2.set_ylabel('Frequency')

plt.tight_layout()
plt.show()

Output:

这个示例创建了一个包含两个子图的图形。subplots()函数的参数(1, 2)表示创建1行2列的子图布局。我们使用ax1和ax2分别在两个子图中绘制直方图。tight_layout()函数自动调整子图之间的间距。

3. 美化和自定义直方图

现在我们已经掌握了基本的绘图方法，让我们来探讨一些美化和自定义直方图的技巧。

3.1 设置颜色和样式

你可以通过设置颜色和样式来美化直方图。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 绘制两个直方图
plt.hist(data1, bins=30, alpha=0.7, color='skyblue', edgecolor='black', label='Data 1')
plt.hist(data2, bins=30, alpha=0.7, color='lightgreen', edgecolor='black', label='Data 2')

plt.title('Customized histograms - how2matplotlib.com', fontsize=16)
plt.xlabel('Value', fontsize=12)
plt.ylabel('Frequency', fontsize=12)
plt.legend(fontsize=10)
plt.grid(True, linestyle='--', alpha=0.7)

plt.show()

Output:

在这个示例中，我们为每个直方图设置了不同的颜色，添加了黑色边框，并调整了透明度。我们还自定义了标题和轴标签的字体大小，添加了图例，并设置了网格线。

3.2 使用不同的直方图类型

Matplotlib支持多种类型的直方图，如堆叠直方图和阶梯直方图。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 绘制堆叠直方图
ax1.hist([data1, data2], bins=30, stacked=True, label=['Data 1', 'Data 2'])
ax1.set_title('Stacked Histogram - how2matplotlib.com')
ax1.set_xlabel('Value')
ax1.set_ylabel('Frequency')
ax1.legend()

# 绘制阶梯直方图
ax2.hist([data1, data2], bins=30, histtype='step', label=['Data 1', 'Data 2'])
ax2.set_title('Step Histogram - how2matplotlib.com')
ax2.set_xlabel('Value')
ax2.set_ylabel('Frequency')
ax2.legend()

plt.tight_layout()
plt.show()

Output:

这个示例展示了两种不同类型的直方图：堆叠直方图和阶梯直方图。堆叠直方图将两组数据的频率叠加在一起，而阶梯直方图只显示轮廓线。

3.3 调整箱的数量和范围

调整箱的数量和范围可以帮助你更好地展示数据分布。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 设置箱的范围
bins = np.linspace(-4, 6, 50)

# 绘制两个直方图
plt.hist(data1, bins=bins, alpha=0.5, label='Data 1')
plt.hist(data2, bins=bins, alpha=0.5, label='Data 2')

plt.title('Histograms with custom bins - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.legend()

plt.show()

Output:

在这个示例中，我们使用np.linspace()函数创建了一个从-4到6的均匀分布的50个箱。这样可以确保两个直方图使用相同的箱范围，便于比较。

4. 高级技巧

接下来，我们将探讨一些更高级的技巧，以进一步提升你的直方图绘制能力。

4.1 使用密度而不是频率

有时，我们可能希望比较不同大小样本的分布。在这种情况下，使用密度而不是频率会更有意义。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组不同大小的示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 2000)

# 绘制两个密度直方图
plt.hist(data1, bins=30, alpha=0.5, density=True, label='Data 1 (n=1000)')
plt.hist(data2, bins=30, alpha=0.5, density=True, label='Data 2 (n=2000)')

plt.title('Density histograms - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Density')
plt.legend()

plt.show()

Output:

在这个示例中，我们使用density=True参数来绘制密度直方图。这样，直方图的面积总和为1，便于比较不同大小样本的分布。

4.2 添加核密度估计曲线

核密度估计（KDE）曲线可以提供数据分布的平滑估计，通常与直方图一起使用。

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建一个新的图形
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制直方图
ax.hist(data1, bins=30, alpha=0.5, density=True, label='Data 1')
ax.hist(data2, bins=30, alpha=0.5, density=True, label='Data 2')

# 计算并绘制KDE曲线
x = np.linspace(-4, 6, 100)
kde1 = stats.gaussian_kde(data1)
kde2 = stats.gaussian_kde(data2)
ax.plot(x, kde1(x), label='KDE 1')
ax.plot(x, kde2(x), label='KDE 2')

ax.set_title('Histograms with KDE - how2matplotlib.com')
ax.set_xlabel('Value')
ax.set_ylabel('Density')
ax.legend()

plt.show()

Output:

这个示例使用scipy.stats模块的gaussian_kde函数计算核密度估计，然后将KDE曲线绘制在直方图上。这种组合可以提供数据分布的更全面视图。

4.3 使用面向对象的方法

面向对象的方法可以提供更多的灵活性和控制力。

import matplotlib.pyplot as plt
import numpy as np

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建图形和子图
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制直方图
n1, bins1, patches1 = ax.hist(data1, bins=30, alpha=0.5, label='Data 1')
n2, bins2, patches2 = ax.hist(data2, bins=30, alpha=0.5, label='Data 2')

# 自定义直方图样式
for patch in patches1:
    patch.set_facecolor('skyblue')
    patch.set_edgecolor('black')

for patch in patches2:
    patch.set_facecolor('lightgreen')
    patch.set_edgecolor('black')

ax.set_title('Object-oriented histograms - how2matplotlib.com')
ax.set_xlabel('Value')
ax.set_ylabel('Frequency')
ax.legend()

plt.show()

Output:

在这个示例中，我们使用面向对象的方法创建图形和子图。这种方法允许我们直接访问直方图的各个组成部分，如每个矩形（patch）。我们可以单独设置每个矩形的颜色和边框，从而实现更精细的控制。

4.4 添加统计信息

在直方图上添加统计信息可以提供更多的数据洞察。

import matplotlib.pyplot as plt
import numpy as np
from scipy import stats

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建图形和子图
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制直方图
ax.hist(data1, bins=30, alpha=0.5, label='Data 1')
ax.hist(data2, bins=30, alpha=0.5, label='Data 2')

# 计算并添加统计信息
for i, data in enumerate([data1, data2], 1):
    mean = np.mean(data)
    median = np.median(data)
    mode = stats.mode(data)[0][0]
    std = np.std(data)

    ax.axvline(mean, color=f'C{i-1}', linestyle='dashed', linewidth=2)
    ax.text(mean, ax.get_ylim()[1], f'Mean {i}', rotation=90, va='top', ha='right')

    stats_text = f'Data {i}:\nMean: {mean:.2f}\nMedian: {median:.2f}\nMode: {mode:.2f}\nStd: {std:.2f}'
    ax.text(0.95, 0.95 - (i-1)*0.2, stats_text, transform=ax.transAxes, va='top', ha='right', bbox=dict(facecolor='white', alpha=0.5))

ax.set_title('Histograms with statistics - how2matplotlib.com')
ax.set_xlabel('Value')
ax.set_ylabel('Frequency')
ax.legend()

plt.tight_layout()
plt.show()

这个示例计算了每组数据的均值、中位数、众数和标准差，并将这些信息添加到图表上。我们使用axvline()函数绘制表示均值的垂直线，并使用text()函数添加文本注释。

4.5 使用Seaborn库

Seaborn是基于Matplotlib的统计数据可视化库，它提供了一些更高级的直方图绘制功能。

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

# 生成两组示例数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)

# 创建图形
plt.figure(figsize=(10, 6))

# 使用Seaborn绘制直方图
sns.histplot(data1, kde=True, color='skyblue', label='Data 1')
sns.histplot(data2, kde=True, color='lightgreen', label='Data 2')

plt.title('Seaborn histograms - how2matplotlib.com')
plt.xlabel('Value')
plt.ylabel('Count')
plt.legend()

plt.show()

Output:

Seaborn的histplot()函数提供了更多的默认美化选项，如自动添加KDE曲线。它还可以自动处理多个数据集，使得代码更加简洁。

5. 处理实际数据

到目前为止，我们一直在使用随机生成的数据。现在，让我们看看如何处理实际数据。

5.1 从CSV文件读取数据

通常，我们的数据存储在CSV文件中。以下是如何读取CSV文件并绘制直方图的示例：

import matplotlib.pyplot as plt
import pandas as pd

# 读取CSV文件（假设文件名为'data.csv'，包含'column1'和'column2'两列）
df = pd.read_csv('data.csv')

# 创建图形和子图
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制直方图
ax.hist(df['column1'], bins=30, alpha=0.5, label='Column 1')
ax.hist(df['column2'], bins=30, alpha=0.5, label='Column 2')

ax.set_title('Histograms from CSV data - how2matplotlib.com')
ax.set_xlabel('Value')
ax.set_ylabel('Frequency')
ax.legend()

plt.show()

这个示例使用pandas库读取CSV文件，然后直接使用DataFrame的列数据绘制直方图。

5.2 处理缺失值

实际数据经常包含缺失值。在绘制直方图之前，我们需要处理这些缺失值。

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

# 创建包含缺失值的示例数据
data = pd.DataFrame({
    'column1': np.random.normal(0, 1, 1000),
    'column2': np.random.normal(2, 1, 1000)
})
data.loc[np.random.choice(data.index, 100), 'column1'] = np.nan
data.loc[np.random.choice(data.index, 100), 'column2'] = np.nan

# 创建图形和子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

# 绘制包含缺失值的直方图
ax1.hist(data['column1'], bins=30, alpha=0.5, label='Column 1')
ax1.hist(data['column2'], bins=30, alpha=0.5, label='Column 2')
ax1.set_title('With missing values - how2matplotlib.com')
ax1.set_xlabel('Value')
ax1.set_ylabel('Frequency')
ax1.legend()

# 删除缺失值并绘制直方图
ax2.hist(data['column1'].dropna(), bins=30, alpha=0.5, label='Column 1')
ax2.hist(data['column2'].dropna(), bins=30, alpha=0.5, label='Column 2')
ax2.set_title('Without missing values - how2matplotlib.com')
ax2.set_xlabel('Value')
ax2.set_ylabel('Frequency')
ax2.legend()

plt.tight_layout()
plt.show()

Output:

这个示例创建了包含缺失值的数据，然后分别绘制了包含缺失值和删除缺失值后的直方图。这样可以直观地看出缺失值对数据分布的影响。

6. 高级应用

最后，让我们探讨一些更高级的直方图应用。

6.1 二维直方图

二维直方图可以显示两个变量之间的联合分布。

import matplotlib.pyplot as plt
import numpy as np

# 生成二维正态分布数据
mean = [0, 0]
cov = [[1, 0.5], [0.5, 1]]
x, y = np.random.multivariate_normal(mean, cov, 10000).T

# 创建图形和子图
fig, ax = plt.subplots(figsize=(10, 8))

# 绘制二维直方图
h = ax.hist2d(x, y, bins=50, cmap='viridis')

# 添加颜色条
fig.colorbar(h[3], ax=ax, label='Count')

ax.set_title('2D Histogram - how2matplotlib.com')
ax.set_xlabel('X')
ax.set_ylabel('Y')

plt.show()

Output:

这个示例生成了二维正态分布的数据，并使用hist2d()函数绘制二维直方图。颜色表示每个区域的数据点数量。

6.2 极坐标直方图

极坐标直方图在处理周期性数据时非常有用。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据（角度）
angles = np.random.uniform(0, 2*np.pi, 1000)

# 创建图形和极坐标子图
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'), figsize=(8, 8))

# 绘制极坐标直方图
ax.hist(angles, bins=16, bottom=0)

ax.set_title('Polar Histogram - how2matplotlib.com')
ax.set_theta_zero_location('N')  # 设置0度位置为北
ax.set_theta_direction(-1)  # 设置角度增加方向为顺时针

plt.show()

Output:

这个示例生成了均匀分布的角度数据，并在极坐标系中绘制直方图。这种表示方法特别适合显示风向、时间等周期性数据的分布。

6.3 动态直方图

使用Matplotlib的动画功能，我们可以创建动态更新的直方图。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np

# 初始化数据
data = np.random.normal(0, 1, 1000)

# 创建图形和子图
fig, ax = plt.subplots()
n, bins, patches = ax.hist(data, bins=50, range=(-4, 4))

# 更新函数
def update(frame):
    global data
    data = np.concatenate([data[1:], [np.random.normal(0, 1)]])
    n, _ = np.histogram(data, bins=bins)
    for rect, h in zip(patches, n):
        rect.set_height(h)
    ax.set_title(f'Dynamic Histogram - Frame {frame} - how2matplotlib.com')
    return patches

# 创建动画
ani = animation.FuncAnimation(fig, update, frames=200, interval=50, blit=True)

plt.show()

Output:

这个示例创建了一个动态更新的直方图。每一帧都会添加一个新的数据点并移除最旧的数据点，然后更新直方图。这种动态可视化可以用于实时数据流的展示。

总结

本文详细介绍了如何在Matplotlib中绘制两个直方图并排显示，涵盖了从基础知识到高级应用的多个方面。我们探讨了不同的绘图方法，包括使用plt.hist()函数、numpy的histogram函数和subplot()函数。我们还讨论了如何美化和自定义直方图，如设置颜色和样式、调整箱的数量和范围等。

在高级技巧部分，我们学习了如何使用密度而不是频率、添加核密度估计曲线、使用面向对象的方法以及添加统计信息。我们还介绍了如何使用Seaborn库来简化直方图的绘制过程。

对于实际数据的处理，我们讨论了如何从CSV文件读取数据并处理缺失值。最后，我们探讨了一些高级应用，如二维直方图、极坐标直方图和动态直方图。

通过掌握这些技巧，你将能够创建更加丰富、信息量更大的数据可视化，从而更好地理解和展示你的数据。记住，直方图是数据分析中的重要工具，能够快速直观地展示数据的分布特征。在实际应用中，根据具体需求选择合适的方法和技巧，将帮助你更有效地传达数据洞察。