如何在同一画布上创建并绘制4组原始数据的多系列直方图

你拥有的四组独立数据如下：

• 25℃变更前：data_25_before = [1, 2, 3,..., 10]
• 79℃变更前：data_79_before = [0.5, 1, 1.5,..., 5]
• 25℃变更后：data_25_after = [5, 6, 7,..., 15]
• 79℃变更后：data_79_after = [2.5, 3, 3.5,..., 7.5]

以下是两种常用Python工具的实现方案，分别支持叠加式和并排式多系列直方图：

使用Matplotlib绘制 #

Matplotlib通过多次调用hist()函数实现多系列展示，可通过透明度、偏移量区分各组数据。

叠加式直方图 #

import matplotlib.pyplot as plt
import numpy as np

# 定义数据集
data_25_before = np.arange(1, 11)
data_79_before = np.arange(0.5, 5.5, 0.5)
data_25_after = np.arange(5, 16)
data_79_after = np.arange(2.5, 8, 0.5)

# 统一设置直方图区间
bins = np.linspace(0, 16, 17)

# 绘制各组直方图，设置透明度和标签
plt.hist(data_25_before, bins=bins, alpha=0.6, label='25℃ 变更前')
plt.hist(data_79_before, bins=bins, alpha=0.6, label='79℃ 变更前')
plt.hist(data_25_after, bins=bins, alpha=0.6, label='25℃ 变更后')
plt.hist(data_79_after, bins=bins, alpha=0.6, label='79℃ 变更后')

# 添加图表元素
plt.legend()
plt.title('不同温度下变更前后数据的直方图')
plt.xlabel('数据值')
plt.ylabel('频数')

plt.show()

并排式直方图 #

import matplotlib.pyplot as plt
import numpy as np

# 定义数据集
data_25_before = np.arange(1, 11)
data_79_before = np.arange(0.5, 5.5, 0.5)
data_25_after = np.arange(5, 16)
data_79_after = np.arange(2.5, 8, 0.5)

bins = np.linspace(0, 16, 9)
bin_width = bins[1] - bins[0]
offset = bin_width / 5  # 调整偏移量避免组间重叠

# 绘制各组并排直方图
plt.hist(data_25_before, bins=bins - 1.5*offset, width=offset, alpha=0.8, label='25℃ 变更前')
plt.hist(data_79_before, bins=bins - 0.5*offset, width=offset, alpha=0.8, label='79℃ 变更前')
plt.hist(data_25_after, bins=bins + 0.5*offset, width=offset, alpha=0.8, label='25℃ 变更后')
plt.hist(data_79_after, bins=bins + 1.5*offset, width=offset, alpha=0.8, label='79℃ 变更后')

# 添加图表元素
plt.legend()
plt.title('不同温度下变更前后数据的并排直方图')
plt.xlabel('数据值')
plt.ylabel('频数')

plt.show()

使用Seaborn绘制 #

Seaborn适合结构化数据，可将四组数据合并为DataFrame后快速绘制多系列直方图。

import seaborn as sns
import pandas as pd
import numpy as np

# 定义数据集
data_25_before = np.arange(1, 11)
data_79_before = np.arange(0.5, 5.5, 0.5)
data_25_after = np.arange(5, 16)
data_79_after = np.arange(2.5, 8, 0.5)

# 构造结构化DataFrame
df = pd.DataFrame({
    '数值': np.concatenate([data_25_before, data_79_before, data_25_after, data_79_after]),
    '分组': ['25℃ 变更前']*len(data_25_before) + ['79℃ 变更前']*len(data_79_before) +
           ['25℃ 变更后']*len(data_25_after) + ['79℃ 变更后']*len(data_79_after)
})

# 绘制叠加式直方图
sns.histplot(data=df, x='数值', hue='分组', bins=16, alpha=0.6, multiple='layer')
plt.title('不同温度下变更前后数据的直方图')
plt.xlabel('数据值')
plt.ylabel('频数')
plt.show()

# 绘制并排式直方图
sns.histplot(data=df, x='数值', hue='分组', bins=16, alpha=0.8, multiple='dodge')
plt.title('不同温度下变更前后数据的并排直方图')
plt.xlabel('数据值')
plt.ylabel('频数')
plt.show()

内容的提问来源于stack exchange，提问作者Anthony The Nguyen