Python：如何使用 Plotly 堆叠或覆盖直方图

Question

我在不同的列表中有两组数据。每个列表元素都有一个从 0:100 开始的值，并且元素重复。

例如：
first_data = [10,20,40,100,...,100,10,50]
second_data = [20,50,50,10,...,70,10,100]

我可以使用以下方法在直方图中绘制其中一个：

import plotly.graph_objects as go
.
.
.

fig = go.Figure()
fig.add_trace(go.Histogram(histfunc='count', x=first_data))
fig.show()

通过将histfunc 设置为'count'，我的直方图由从0 到100 的x 轴和first_data 中重复元素数量的条形图组成。

我的问题是：如何使用相同的“计数”直方图在同一轴上叠加第二组数据？

Answer 1

执行此操作的一种方法是简单地添加另一个跟踪，您就快到了！用于创建这些示例的数据集可以在本文的最后一部分中找到。

注意：
下面的代码使用了'lower-level' plotly API，因为（个人）我觉得它更透明，并且使用户能够看到正在绘制的内容以及原因；而不是依赖graph_objects 和express 的便利模块。

选项 1 - 重叠条：

from plotly.offline import plot

layout = {}
traces = []

traces.append({'x': data1, 'name': 'D1', 'opacity': 1.0})
traces.append({'x': data2, 'name': 'D2', 'opacity': 0.5})

# For each trace, add elements which are common to both.
for t in traces:
    t.update({'type': 'histogram',
              'histfunc': 'count',
              'nbinsx': 50})

layout['barmode'] = 'overlay'

plot({'data': traces, 'layout': layout})

输出 1：

选项 2 - 曲线图：

另一种选择是绘制分布曲线（高斯 KDE），如下所示。值得注意的是，此方法绘制的是概率密度，而不是计数。

X1, Y1 = calc_curve(data1)
X2, Y2 = calc_curve(data2)

traces = []
traces.append({'x': X1, 'y': Y1, 'name': 'D1'})
traces.append({'x': X2, 'y': Y2, 'name': 'D2'})

plot({'data': traces})

输出 2：

关联calc_curve()函数：

from scipy.stats import gaussian_kde

def calc_curve(data):
    """Calculate probability density."""
    min_, max_ = data.min(), data.max()
    X = [min_ + i * ((max_ - min_) / 500) for i in range(501)]
    Y = gaussian_kde(data).evaluate(X)
    return(X, Y)

选项 3 - 绘制条形图和曲线：

或者，您可以随时将这两种方法结合在一起，使用 y 轴上的概率密度。

layout = {}
traces = []

traces.append({'x': data1, 'name': 'D1', 'opacity': 1.0})
traces.append({'x': data2, 'name': 'D2', 'opacity': 0.5})

for t in traces:
    t.update({'type': 'histogram',
              'histnorm': 'probability density',
              'nbinsx': 50})

traces.append({'x': X1, 'y': Y1, 'name': 'D1'})
traces.append({'x': X2, 'y': Y2, 'name': 'D2'})

layout['barmode'] = 'overlay'

plot({'data': traces, 'layout': layout})  

输出 3：

数据集：

这是用于模拟 [0,100] 值的数据集并创建这些示例的代码：

import numpy as np
from sklearn.preprocessing import MinMaxScaler

mms = MinMaxScaler((0, 100))
np.random.seed(4)
data1 = mms.fit_transform(np.random.randn(10000).reshape(-1, 1)).ravel()
data2 = mms.fit_transform(np.random.randn(10000).reshape(-1, 1)).ravel()