আমি কোনও ফাইল থেকে ডেটা ব্যবহার করে একটি হিস্টগ্রাম প্লট তৈরি করেছি এবং কোনও সমস্যা নেই। এখন আমি একই হিস্টোগ্রামের অন্য ফাইল থেকে ডেটা সুপারপোজ করতে চেয়েছিলাম, তাই আমি এরকম কিছু করি
n,bins,patchs = ax.hist(mydata1,100)
n,bins,patchs = ax.hist(mydata2,100)তবে সমস্যাটি হ'ল প্রতিটি ব্যবধানের জন্য, সর্বাধিক মানযুক্ত বারটি প্রদর্শিত হয় এবং অন্যটি লুকিয়ে থাকে। আমি ভাবছি কিভাবে আমি একই সাথে বিভিন্ন বর্ণের সাথে উভয় হিস্টোগ্রামের প্লট করতে পারি।
উত্তর:
এখানে আপনার কাজের উদাহরণ রয়েছে:
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()
Noneডিফল্ট হয়। যদি আপনি গ্রাফটিতে প্রদর্শিত একই নকশাটি চান তবে edgecolorউদাহরণস্বরূপ k(কালো) উভয় ক্ষেত্রে আপনি প্যারামিটার সেট করতে পারেন । পদ্ধতিটি কিংবদন্তির জন্য একই।
pyplot.hist([x, y], bins, alpha=0.5, label=['x', 'y'])।
গৃহীত উত্তরগুলি ওভারল্যাপিং বারগুলির সাথে একটি হিস্টোগ্রামের কোড দেয়, তবে আপনি যদি প্রতিটি বার পাশাপাশি থাকতে চান (যেমনটি আমি করেছি), নীচের প্রকরণটি চেষ্টা করুন:
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()
রেফারেন্স: http://matplotlib.org/example/statistics/histogram_demo_mુટhist.html
সম্পাদনা [2018/03/16]: @ স্টোকাস্টিক_জেটজিস্টের পরামর্শ অনুসারে বিভিন্ন আকারের অ্যারে প্লট করার অনুমতি দেওয়ার জন্য আপডেট করা হয়েছে
plt.histপ্রতিটি হিস্টোগ্রামের জন্য একটি পিডিএফ ফাইল তৈরি করতে কীভাবে ব্যবহার করবেন? আমি ব্যবহার করে আমার ডেটা লোড করেছি pandas.read_csvএবং ফাইলটিতে 36 টি কলাম এবং 100 টি লাইন রয়েছে। সুতরাং আমি 100 পিডিএফ ফাইল চাই।
x=np.array(df.a)এবং y=np.array(df.b.dropna())এটি মূলত সত্তাplt.hist([x, y], weights=[np.ones_like(x)/len(x), np.ones_like(y)/len(y)])
ক্ষেত্রে আপনার বিভিন্ন নমুনা আকার আছে, একটি একক y- অক্ষের সাথে বিতরণ তুলনা করা কঠিন হতে পারে। উদাহরণ স্বরূপ:
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()
এই ক্ষেত্রে, আপনি দুটি অক্ষের উপর আপনার দুটি ডেটা সেট প্লট করতে পারেন। এটি করার জন্য, আপনি ম্যাটপ্ল্লোলিব ব্যবহার করে আপনার হিস্টোগ্রামের ডেটা পেতে পারেন, অক্ষটি সাফ করুন এবং তারপরে এটি দুটি পৃথক অক্ষের উপর পুনরায় প্লট করুন (বিন প্রান্তগুলি সরিয়ে ফেলুন যাতে তারা ওভারল্যাপ না করে):
#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()
গুস্তাভো বেজারের উত্তরটির সমাপ্তি হিসাবে :
আপনি যদি প্রতিটি হিস্টোগ্রামকে স্বাভাবিক করতে চান ( normedএমপিএল <= 2.1 এবং densityএমপিএল> = 3.1 এর জন্য ) আপনি কেবল ব্যবহার করতে না পারেন normed/density=Trueতবে পরিবর্তে প্রতিটি মানের জন্য ওজন নির্ধারণ করতে হবে:
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()
একটি তুলনা হিসাবে, একই একই xএবং yডিফল্ট ওজন এবং density=True:
এর binsদ্বারা প্রদত্ত মানগুলি থেকে আপনার ব্যবহার করা উচিত 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)
ডেটা বিভিন্ন আকারের হয় যখন একই প্লটে পাশাপাশি দুটি বারের সাথে দুটি হিস্টোগ্রাম প্লট করার জন্য একটি সহজ পদ্ধতি:
def plotHistogram(p, o):
"""
p and o are iterables with the values you want to
plot the histogram of
"""
plt.hist([p, o], color=['g','r'], alpha=0.8, bins=50)
plt.show()মনে হচ্ছে আপনি কেবল একটি বার গ্রাফ চাইবেন:
বিকল্পভাবে, আপনি সাবপ্লট ব্যবহার করতে পারেন।
আপনার কাছে পান্ডা ( import pandas as pd) থাকলে বা এটি ব্যবহারে ঠিক আছে:
test = pd.DataFrame([[random.gauss(3,1) for _ in range(400)],
[random.gauss(4,2) for _ in range(400)]])
plt.hist(test.values.T)
plt.show()যখন আপনি 2-ডি নাম্পার অ্যারে থেকে হিস্টোগ্রাম প্লট করতে চান তখন একটি সতর্কতা রয়েছে। আপনার 2 অক্ষটি অদলবদল করা দরকার।
import numpy as np
import matplotlib.pyplot as plt
data = np.random.normal(size=(2, 300))
# swapped_data.shape == (300, 2)
swapped_data = np.swapaxes(x, axis1=0, axis2=1)
plt.hist(swapped_data, bins=30, label=['x', 'y'])
plt.legend()
plt.show()
এই প্রশ্নের উত্তর আগেই দেওয়া হয়েছে, তবে আরও একটি দ্রুত / সহজ কাজ যোগ করতে চেয়েছিলেন যা এই প্রশ্নে অন্যান্য দর্শকদের সহায়তা করতে পারে।
import seasborn as sns
sns.kdeplot(mydata1)
sns.kdeplot(mydata2)কেডি বনাম হিস্টোগ্রাম তুলনার জন্য কিছু সহায়ক উদাহরণ এখানে রয়েছে ।
সলোমন এর উত্তরে অনুপ্রাণিত, কিন্তু হিস্টোগ্রামের সাথে সম্পর্কিত এই প্রশ্নের সাথে লেগে থাকতে, একটি পরিষ্কার সমাধান হল:
sns.distplot(bar)
sns.distplot(foo)
plt.show()প্রথমে লম্বাটিকে চক্রান্ত করার বিষয়টি নিশ্চিত করুন, অন্যথায় আপনাকে plt.ylim (0,0.45) সেট করতে হবে যাতে লম্বা হিস্টগ্রামটি কেটে না যায়।
এছাড়াও একটি বিকল্প যা জোয়াকুইন উত্তরের সাথে বেশ অনুরূপ:
import random
from matplotlib import pyplot
#random data
x = [random.gauss(3,1) for _ in range(400)]
y = [random.gauss(4,2) for _ in range(400)]
#plot both histograms(range from -10 to 10), bins set to 100
pyplot.hist([x,y], bins= 100, range=[-10,10], alpha=0.5, label=['x', 'y'])
#plot legend
pyplot.legend(loc='upper right')
#show it
pyplot.show()নিম্নলিখিত আউটপুট দেয়:
pyplot.hold(True)ঠিক কী ক্ষেত্রে প্লট করার আগে সেট করা ভাল ধারণা হবে না ?