并排生成多个直方图

此示例沿分类 x 轴绘制不同样本的水平直方图。此外，直方图被绘制成关于它们的 x 位置对称，因此它们与小提琴图非常相似。

为了制作这个高度专业化的情节，我们不能使用标准hist 方法。相反，我们使用barh直接绘制水平条。条的垂直位置和长度通过 np.histogram函数计算。所有样本的直方图都是使用相同的范围（最小值和最大值）和 bin 数量计算的，因此每个样本的 bin 位于相同的垂直位置。

选择不同的 bin 计数和大小会显着影响直方图的形状。Astropy 文档有一个关于如何选择这些参数的精彩部分：http: //docs.astropy.org/en/stable/visualization/histogram.html

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)
number_of_bins = 20

# An example of three data sets to compare
number_of_data_points = 387
labels = ["A", "B", "C"]
data_sets = [np.random.normal(0, 1, number_of_data_points),
             np.random.normal(6, 1, number_of_data_points),
             np.random.normal(-3, 1, number_of_data_points)]

# Computed quantities to aid plotting
hist_range = (np.min(data_sets), np.max(data_sets))
binned_data_sets = [
    np.histogram(d, range=hist_range, bins=number_of_bins)[0]
    for d in data_sets
]
binned_maximums = np.max(binned_data_sets, axis=1)
x_locations = np.arange(0, sum(binned_maximums), np.max(binned_maximums))

# The bin_edges are the same for all of the histograms
bin_edges = np.linspace(hist_range[0], hist_range[1], number_of_bins + 1)
heights = np.diff(bin_edges)
centers = bin_edges[:-1] + heights / 2

# Cycle through and plot each histogram
fig, ax = plt.subplots()
for x_loc, binned_data in zip(x_locations, binned_data_sets):
    lefts = x_loc - 0.5 * binned_data
    ax.barh(centers, binned_data, height=heights, left=lefts)

ax.set_xticks(x_locations, labels)

ax.set_ylabel("Data values")
ax.set_xlabel("Data sets")

plt.show()

参考

此示例中显示了以下函数、方法、类和模块的使用：

• matplotlib.axes.Axes.barh/matplotlib.pyplot.barh