Tracer deux histogrammes sur un seul graphique avec matplotlib

Question

J'ai créé un histogramme en utilisant des données provenant d'un fichier et aucun problème. Maintenant, je voulais superposer les données d'un autre fichier dans le même histogramme, donc je fais quelque chose comme ceci

n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)

mais le problème est que pour chaque intervalle, seule la barre avec la valeur la plus élevée apparaît, et l'autre est cachée. Je me demande comment je pourrais tracer les deux histogrammes en même temps avec des couleurs différentes.

Answer 1

Vous avez ici un exemple concret :

import random
import numpy
from matplotlib import pyplot

x = [random.gauss(3,1) for _ in range(400)]
y = [random.gauss(4,2) for _ in range(400)]

bins = numpy.linspace(-10, 10, 100)

pyplot.hist(x, bins, alpha=0.5, label='x')
pyplot.hist(y, bins, alpha=0.5, label='y')
pyplot.legend(loc='upper right')
pyplot.show()

Answer 2

Le corrigé donne le code pour un histogramme avec des barres qui se chevauchent, mais si vous voulez que chaque barre soit côte à côte (comme je l'ai fait), essayez la variation ci-dessous :

import numpy as np
import matplotlib.pyplot as plt
plt.style.use('seaborn-deep')

x = np.random.normal(1, 2, 5000)
y = np.random.normal(-1, 3, 2000)
bins = np.linspace(-10, 10, 30)

plt.hist([x, y], bins, label=['x', 'y'])
plt.legend(loc='upper right')
plt.show()

Référence : http://matplotlib.org/examples/statistics/histogram_demo_multihist.html

EDIT [2018/03/16] : Mise à jour pour permettre le traçage de tableaux de différentes tailles, comme suggéré par @stochastic_zeitgeist.

Answer 3

Dans le cas où vous avez des échantillons de tailles différentes, il peut être difficile de comparer les distributions avec un seul axe des ordonnées. Par exemple :

import numpy as np
import matplotlib.pyplot as plt

#makes the data
y1 = np.random.normal(-2, 2, 1000)
y2 = np.random.normal(2, 2, 5000)
colors = ['b','g']

#plots the histogram
fig, ax1 = plt.subplots()
ax1.hist([y1,y2],color=colors)
ax1.set_xlim(-10,10)
ax1.set_ylabel("Count")
plt.tight_layout()
plt.show()

Dans ce cas, vous pouvez représenter vos deux ensembles de données sur des axes différents. Pour ce faire, vous pouvez obtenir les données de votre histogramme à l'aide de matplotlib, effacer l'axe, puis le reporter sur deux axes distincts (en déplaçant les bords des cases pour qu'ils ne se chevauchent pas) :

#sets up the axis and gets histogram data
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.hist([y1, y2], color=colors)
n, bins, patches = ax1.hist([y1,y2])
ax1.cla() #clear the axis

#plots the histogram data
width = (bins[1] - bins[0]) * 0.4
bins_shifted = bins + width
ax1.bar(bins[:-1], n[0], width, align='edge', color=colors[0])
ax2.bar(bins_shifted[:-1], n[1], width, align='edge', color=colors[1])

#finishes the plot
ax1.set_ylabel("Count", color=colors[0])
ax2.set_ylabel("Count", color=colors[1])
ax1.tick_params('y', colors=colors[0])
ax2.tick_params('y', colors=colors[1])
plt.tight_layout()
plt.show()

Answer 4

Vous devez utiliser bins à partir des valeurs renvoyées par hist :

import numpy as np
import matplotlib.pyplot as plt

foo = np.random.normal(loc=1, size=100) # a normal distribution
bar = np.random.normal(loc=-1, size=10000) # a normal distribution

_, bins, _ = plt.hist(foo, bins=50, range=[-6, 6], normed=True)
_ = plt.hist(bar, bins=bins, alpha=0.5, normed=True)

Answer 5

En guise d'achèvement de La réponse de Gustavo Bezerra :

Si vous voulez chaque histogramme à normaliser ( normed pour mpl<=2.1 et density pour mpl>=3.1 ), vous ne pouvez pas simplement utiliser normed/density=True vous devez définir les pondérations pour chaque valeur :

import numpy as np
import matplotlib.pyplot as plt

x = np.random.normal(1, 2, 5000)
y = np.random.normal(-1, 3, 2000)
x_w = np.empty(x.shape)
x_w.fill(1/x.shape[0])
y_w = np.empty(y.shape)
y_w.fill(1/y.shape[0])
bins = np.linspace(-10, 10, 30)

plt.hist([x, y], bins, weights=[x_w, y_w], label=['x', 'y'])
plt.legend(loc='upper right')
plt.show()

A titre de comparaison, le même x et y vecteurs avec des poids par défaut et density=True :