matplotlib 中 100% 的堆积面积/直方图，X 轴上带有日期

Question

我想充分利用this 和this 的问题。也就是说，我有一个DataFrame，其中包含测试名称、执行日期和结果。我想展示失败案例的百分比如何随着时间的推移而下降。

我的数据如下所示：

TestName;Date;IsPassed
test1;12/8/2016 9:44:30 PM;0
test1;12/8/2016 9:39:00 PM;0
test1;12/8/2016 9:38:29 PM;1
test1;12/8/2016 9:38:27 PM;1
test2;12/8/2016 5:05:02 AM;1
test3;12/7/2016 8:58:36 PM;0
test3;12/7/2016 8:57:19 PM;1
test3;12/7/2016 8:56:15 PM;1
test4;12/5/2016 6:50:49 PM;0
test4;12/5/2016 6:49:50 PM;0
test4;12/5/2016 3:23:09 AM;1
test4;12/4/2016 11:51:29 PM;1

我正在使用此代码分别绘制案例：

fig, ax = plt.subplots()
passed = tests[tests.IsPassed == 1]
failed = tests[tests.IsPassed == 0]
passed_dates = mdates.date2num(passed.Date.astype(datetime))
failed_dates = mdates.date2num(failed.Date.astype(datetime))
ax.hist(passed_dates, bins=10, color='g')
ax.hist(failed_dates, bins=10, color='r')
ax.xaxis.set_major_locator(mdates.AutoDateLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%d.%m.%y'))
plt.show()

但现在我想

1. 将时间跨度划分为可配置数量的存储桶
2. 计算每个存储桶的测试运行次数（没有 for 循环，因为数据框中有很多条目）
3. 绘制 100% 面积图或每个桶的堆积直方图，以便步骤 2 的数量为 100%

我现在的问题是hist() 的完美工作解决方案会自动汇总，我看不到将 Y 轴传递给它的方法。

更新

这是我想要完成的（取自另一个来源）：

Answer 1

使用参数stacked = True 允许您提供多个数组作为plt.hist 的输入。

ax.hist([passed_dates, failed_dates], bins=10, stacked=True, label=["passed", "failed"])

使用相对计数需要除以每个 bin 的绝对计数。此功能未内置到 hist 函数中。您需要手动计算直方图，然后将结果绘制为堆积条形图。

from __future__ import division
import matplotlib.pyplot as plt
import matplotlib.dates
import datetime
import numpy as np
import pandas as pd

dates = pd.date_range("2016/01/01","2016/06/01" )
dates2 = pd.date_range("2016/02/01","2016/03/17", freq="18H")
dates = dates.append(dates2)

passed = np.round(np.random.rand(len(dates))+0.231).astype(np.int8)
tests = pd.DataFrame({"Date" : dates, "IsPassed": passed})

fig, ax = plt.subplots()
passed = tests[tests.IsPassed == 1]
failed = tests[tests.IsPassed == 0]
all_dates = matplotlib.dates.date2num(tests.Date.astype(datetime.datetime))
passed_dates = matplotlib.dates.date2num(passed.Date.astype(datetime.datetime))
failed_dates = matplotlib.dates.date2num(failed.Date.astype(datetime.datetime))

hist, bins = np.histogram(all_dates, bins=10)
histpassed, bins_ = np.histogram(passed_dates, bins=bins)
histfailed, bins__ = np.histogram(failed_dates, bins=bins)

binwidth=bins[1]-bins[0]
ax.bar(bins[:-1]+binwidth/2., histpassed/hist, width=binwidth*0.8, label="passed")
ax.bar(bins[:-1]+binwidth/2., histfailed/hist, width=binwidth*0.8, bottom=histpassed/hist, label="failed")

ax.xaxis.set_major_locator(matplotlib.dates.AutoDateLocator())
ax.xaxis.set_major_formatter(matplotlib.dates.DateFormatter('%d.%m.%y'))
ax.legend()
fig.autofmt_xdate()
plt.savefig(__file__+".png")
plt.show()