使用Matplotlib绘制折线图与直方图组合图遇异常求助

你的代码出现异常的核心原因是：hist()函数的作用是统计PDO数据的频数分布，它的x轴代表PDO的数值区间，而折线图的x轴是年份，两者x轴的含义完全不匹配，叠加后自然图形混乱。

根据你的需求（x轴范围一致，双轴对应不同y轴范围），分两种场景给出解决方案：

场景1：每个年份对应一个PDO数据（折线+柱状图，x轴均为年份） #

这是最符合“x轴范围一致”需求的方案，把PDO用柱状图展示，和折线图的年份x轴一一对应：

import matplotlib.pyplot as plt
import pandas as pd

# 假设dat包含Year、frequency、PDO列，Year为年份序列
fig, ax1 = plt.subplots(figsize=(10, 6))

# 绘制frequency折线图
ax1.plot(dat['Year'], dat['frequency'], '-s', color='green', markersize=7, linewidth=5, alpha=0.7, label='frequency')
ax1.set_xlabel('Year')
ax1.set_ylabel('frequency')
# 设置指定y轴范围
ax1.set_ylim(0, 80)
# 调整y轴刻度颜色匹配折线
ax1.tick_params(axis='y', labelcolor='green')

# 创建双轴，绘制PDO柱状图
ax2 = ax1.twinx()
# 调整柱状宽度避免和折线标记重叠
ax2.bar(dat['Year'], dat['PDO'], color='deeppink', alpha=0.7, width=0.6, label='PDO')
ax2.set_ylabel('PDO')
# 设置指定y轴范围
ax2.set_ylim(-2, 1)
# 调整y轴刻度颜色匹配柱状图
ax2.tick_params(axis='y', labelcolor='deeppink')

# 合并双轴图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper right')

plt.tight_layout()
plt.show()

场景2：展示PDO的分布直方图（同时匹配折线图的年份x轴范围） #

如果你确实需要展示PDO的整体分布，同时让直方图的x轴范围和折线图的年份范围对齐，可以这样调整：

import matplotlib.pyplot as plt
import pandas as pd

fig, ax1 = plt.subplots(figsize=(10, 6))

# 绘制frequency折线图
ax1.plot(dat['Year'], dat['frequency'], '-s', color='green', markersize=7, linewidth=5, alpha=0.7, label='frequency')
ax1.set_xlabel('Year')
ax1.set_ylabel('frequency')
ax1.set_ylim(0, 80)
ax1.tick_params(axis='y', labelcolor='green')
# 获取折线图的x轴范围
x_min, x_max = ax1.get_xlim()

# 双轴绘制PDO直方图（密度分布适配y轴范围）
ax2 = ax1.twinx()
# 绘制密度直方图，让y轴范围适配需求
n, bins, patches = ax2.hist(dat['PDO'], bins=10, color='deeppink', alpha=0.7, density=True, label='PDO Distribution')
ax2.set_ylabel('PDO Density')
# 根据密度值调整y轴范围（这里设置为0-1，若需要负区间可考虑镜像处理）
ax2.set_ylim(0, 1)
ax2.tick_params(axis='y', labelcolor='deeppink')

# 强制直方图x轴范围和折线图一致
ax2.set_xlim(x_min, x_max)

# 合并图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper right')

plt.tight_layout()
plt.show()

关键说明 #

• 优先选择场景1，因为它完全满足“x轴范围一致（均为年份）”的核心需求，图形逻辑更清晰。
• 若使用直方图，注意它的x轴本质是PDO的数值区间，和年份x轴仅范围一致，含义不同，需根据实际需求选择。

内容的提问来源于stack exchange，提问作者shibashiba