【问题标题】：Plot curves instead of bar plot using python使用python绘制曲线而不是条形图
【发布时间】：2018-05-17 11:33:39
【问题描述】：

我有一个数据框df，用于在同一个 x 轴上生成两个条形图。我不想将这些值显示为条形图，而是想要一条适合条形的曲线。 IE。它应该有点像高斯或正态分布拟合，但我想保持 x 轴和 y 轴相同，而不是显示频率。我还需要适合从 0 开始并适用于任何负值。我怎样才能做到这一点？我想 scipy curve_fit 函数可能有用或sns.distplot？

df
    size    a           b
    0       0.000000    6.20405
    1       0.000000    9.262046
    2       2.51524     14.28944
    3       6.750392    12.756672
    4       9.893210    9.733124
    5       10.302983   6.690388
    6       11.302383   4.86942
    7       8.024279    8.32051
    8       4.39434     7.228450
    9       2.05516     3.767661

x = df['a']
y = df['b']

n = 10

fig, ax = plt.subplots(1)

bar_width = 0.4  # default: 0.8
bar_locations = np.arange(n)

ax.bar(bar_locations, x, bar_width)
ax.bar(bar_locations - bar_width, y, bar_width, color='r') 

fig.show()

更新：

fig, ax = plt.subplots()
for a in [x, y]:
    sns.distplot(a, bins=range(1, 25, 1), ax=ax, kde=True, fit=stats.gamma)

我如何清理这个数字以 a) 强制 kde 拟合不适合任何负数（数据从 0 开始！）和 b) 删除黑线和绿/蓝条？

【问题讨论】：

标签： python matplotlib plot scipy seaborn

【解决方案1】：

您应该只需要sns.distplot 和kde=True。这将核密度估计器显示为频率曲线。但是，由于比例不同，您的手动条形图会掩盖曲线，因此您应该将它们绘制在辅助 y 轴上，或者在需要时重新缩放它们。

或者sns.kdeplot 仅绘制没有直方图条的 KDE 曲线。

更新

试试这个：

fig, ax = plt.subplots()
for a in [x, y]:
    sns.distplot(
        a, bins=range(1, 25, 1), ax=ax,
        kde=True, hist=False, fit=None)

目前还不清楚您想要什么样的曲线拟合，但请阅读the docs 以获得distplot。 kde=True 添加 KDE 曲线，hist=True 添加条形，fit=stats.gamma 拟合伽马分布（显示为黑线）。

至于去除负值，曲线将延伸到负区域，因为它适合数据，可能来自允许负值的分布。如果您正在寻找不同的拟合，请从 scipy.stats 中选择不同的分布（例如处理严格正值的分布）。

【讨论】：

这真的很有帮助。谢谢。