如何用Python绘制同类别双列数据对比直方图？技术求助

你的原始代码仅单独绘制了两列数据的整体直方图，没有按MaterialState类别分组，因此无法展示类别维度的对比。以下是两种可实现需求的方案：

方式一：分面子图展示各材料状态的分布对比 #

该方案为每个材料状态生成独立子图，在子图中同时展示手动标注和流水线生成的析出物数量分布：

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd

# 获取所有唯一的材料状态类别（任选一列即可，两类别的取值一致）
material_states = df['MaterialState_manual'].unique()

# 根据类别数量设置画布布局
fig, axes = plt.subplots(nrows=len(material_states)//2 + 1, ncols=2, figsize=(12, 8))
axes = axes.flatten()

for idx, state in enumerate(material_states):
    # 筛选对应类别的两类数据
    manual_data = df[df['MaterialState_manual'] == state]['Precipitates_manual']
    pipeline_data = df[df['MaterialState_pipeline'] == state]['Precipitates_pipeline']
    
    # 在子图中绘制重叠直方图，通过透明度区分两组数据
    axes[idx].hist(manual_data, bins=10, alpha=0.5, label='Manual')
    axes[idx].hist(pipeline_data, bins=10, alpha=0.5, label='Pipeline')
    axes[idx].set_title(f'Material State: {state}')
    axes[idx].legend()
    axes[idx].set_xlabel('Precipitate Count')
    axes[idx].set_ylabel('Frequency')

# 隐藏多余的空白子图（若类别数量为奇数）
for idx in range(len(material_states), len(axes)):
    axes[idx].axis('off')

plt.tight_layout()
plt.show()

方式二：分组并排柱状直方图 #

若希望同一类别下的两组数据以并排柱状形式对比分布统计，可采用此方案：

%matplotlib inline
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns  # 需先安装：pip install seaborn

# 将数据转换为长格式，便于分组处理
melted_df = pd.melt(df, 
                    id_vars=['MaterialState_manual'],
                    value_vars=['Precipitates_manual', 'Precipitates_pipeline'],
                    var_name='Data Source',
                    value_name='Precipitate Count')

# 绘制分组直方图
plt.figure(figsize=(14, 8))
sns.histplot(data=melted_df, 
             x='Precipitate Count', 
             hue='Data Source', 
             col='MaterialState_manual',
             bins=10,
             alpha=0.7,
             multiple='dodge')  # 设置为并排柱状模式

plt.tight_layout()
plt.show()

关键提示 #

• 核心逻辑是先按MaterialState类别筛选数据，再分别绘制对应类别的两组析出物数量分布
• 可根据实际数据分布调整bins参数（直方图区间数量），优化图表清晰度
• 第一种方案适合逐个分析单类别的分布差异，第二种方案更直观对比同一类别下两组数据的分布

内容的提问来源于stack exchange，提问作者Zia