Python中如何基于DataFrame数据在同一面板绘制重叠直方图

没问题，我来帮你搞定这个问题～你之前的代码出错是因为matplotlib的plt.hist()不支持直接传入DataFrame对象并指定y参数，你需要先从DataFrame中提取出目标列的数据，再传入直方图函数。下面给你两种可行的解决方案：

方法1：提取DataFrame列数据，用matplotlib原生绘制 #

直接从你的cv1_weight和cv2_weight中取出AGW列，再传入plt.hist()，同时可以加上透明度（alpha）和标签（label）让重叠的直方图更清晰：

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

# 生成原始数据
cv1 = np.random.normal(50, 4, 1000)
cv2 = np.random.normal(40, 7, 1000)

# 构造DataFrame
cv1_weight = pd.DataFrame({"Genotype": ["cv1"]*1000,"AGW": cv1})
cv2_weight = pd.DataFrame({"Genotype": ["cv2"]*1000,"AGW": cv2})

# 绘制重叠直方图
plt.hist(cv1_weight["AGW"], bins=np.linspace(0, 70, 100), alpha=0.5, label="cv1")
plt.hist(cv2_weight["AGW"], bins=np.linspace(0, 70, 100), alpha=0.5, label="cv2")

plt.xlabel("Grain weight (mg)", size=12)
plt.ylabel("Frequency_Histogram", size=12)
plt.legend()  # 显示图例区分两组数据
plt.show()

方法2：用Pandas内置的绘图接口（更简洁） #

Pandas的DataFrame自带plot.hist()方法，你可以先把两个DataFrame合并，再一次性绘制分组直方图，代码更简洁：

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

# 生成数据并合并DataFrame
cv1 = np.random.normal(50, 4, 1000)
cv2 = np.random.normal(40, 7, 1000)
df = pd.concat([
    pd.DataFrame({"Genotype": ["cv1"]*1000,"AGW": cv1}),
    pd.DataFrame({"Genotype": ["cv2"]*1000,"AGW": cv2})
])

# 绘制重叠直方图
df.plot.hist(column="AGW", by="Genotype", bins=np.linspace(0, 70, 100), alpha=0.5, figsize=(8,5))
plt.xlabel("Grain weight (mg)", size=12)
plt.ylabel("Frequency_Histogram", size=12)
plt.title("")  # 去掉自动生成的冗余标题
plt.show()

两种方法都能实现你想要的同一面板内的重叠直方图效果，方法2更适合处理结构化的DataFrame数据，推荐尝试～

内容的提问来源于stack exchange，提问作者J.K Kim