Matplotlib 叠加双峰直方图
Matplotlib overlay bimodal histograms
我正在尝试将三个“bimodal/binary 直方图”放在同一个图上，标记为实际值而不是 bin。不确定它是否有意义...但是，我想显示每个向量 x1、x2 和 x3 中存在的仅有的 2 个值。
代码如下：
import matplotlib.pyplot as plt
x1 = [0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554]
x2 = [0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536310296506, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845]
x3 = [0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643761638552, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891]
fig, axs = plt.subplots(1,3, figsize=([7,4]), sharey = True)
axs[0].hist(x1)
axs[1].hist(x2)
axs[2].hist(x3)
plt.tight_layout()
plt.figure(figsize=([7,4]))
plt.hist([x1,x2,x3])
图 1 是每个直方图（x1、x2 和 x3）的图：
图2是一次性绘制出来的结果：
每个向量内的差异远小于向量均值之间的差异，因此每个向量的两个直方图条重合。
对于这种特殊情况，您可以改用 stem plot：
import matplotlib.pyplot as plt
import pandas as pd
x1 = [0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554]
x2 = [0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536310296506, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845]
x3 = [0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643761638552, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891]
g1 = pd.Series(x1).groupby(x1).count()
plt.stem(g1.index, g1.values, markerfmt='C0o', linefmt='C0-')
g2 = pd.Series(x2).groupby(x2).count()
plt.stem(g2.index, g2.values, markerfmt='C1o', linefmt='C1-')
g3 = pd.Series(x3).groupby(x3).count()
plt.stem(g3.index, g3.values, markerfmt='C2o', linefmt='C2-')
（您需要放大才能看到每个向量的两个 x 位置之间的差异）
我正在尝试将三个“bimodal/binary 直方图”放在同一个图上，标记为实际值而不是 bin。不确定它是否有意义...但是，我想显示每个向量 x1、x2 和 x3 中存在的仅有的 2 个值。
代码如下：
import matplotlib.pyplot as plt
x1 = [0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554]
x2 = [0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536310296506, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845]
x3 = [0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643761638552, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891]
fig, axs = plt.subplots(1,3, figsize=([7,4]), sharey = True)
axs[0].hist(x1)
axs[1].hist(x2)
axs[2].hist(x3)
plt.tight_layout()
plt.figure(figsize=([7,4]))
plt.hist([x1,x2,x3])
图 1 是每个直方图（x1、x2 和 x3）的图：
图2是一次性绘制出来的结果：
每个向量内的差异远小于向量均值之间的差异，因此每个向量的两个直方图条重合。
对于这种特殊情况，您可以改用 stem plot：
import matplotlib.pyplot as plt
import pandas as pd
x1 = [0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554, 0.003996747458586469, 0.003996747444034554, 0.003996747444034554, 0.003996747444034554]
x2 = [0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536310296506, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845, 0.003996536252088845]
x3 = [0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643761638552, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891, 0.003996643703430891]
g1 = pd.Series(x1).groupby(x1).count()
plt.stem(g1.index, g1.values, markerfmt='C0o', linefmt='C0-')
g2 = pd.Series(x2).groupby(x2).count()
plt.stem(g2.index, g2.values, markerfmt='C1o', linefmt='C1-')
g3 = pd.Series(x3).groupby(x3).count()
plt.stem(g3.index, g3.values, markerfmt='C2o', linefmt='C2-')
（您需要放大才能看到每个向量的两个 x 位置之间的差异）