如何使用plotly +袖釦使用DataFrame中的多個直方圖的特定列表框？

當使用matplotlib繪製直方圖時，手動給出箱的列表相對容易，如示例here所示。如何使用plotly +袖釦使用DataFrame中的多個直方圖的特定列表框？

的一個簡單的例子如下：

import numpy as np 
import matplotlib.pyplot as plt 

fig, ax = plt.subplots() 
ax.hist(np.random.randn(10000), bins=np.arange(-4, 4, 0.1)) 
ax.hist(0.2 * np.random.randn(10000), bins=np.arange(-4, 4, 0.1)) 
plt.show()

這也可以從一個pandas.DataFrame被等效地完成與：

pd.DataFrame({ 
    'firstHistogram': np.random.randn(10000), 
    'secondHistogram': 0.2 * np.random.randn(10000) 
}).plot(kind='hist', bins=np.arange(-4, 4, 0.1))

去進一步，plotly允許直接接口pandas通過cufflinks模塊，它允許做東西像下面這樣：

pd.DataFrame({ 
    'firstHistogram': np.random.randn(10000), 
    'secondHistogram': 0.2 * np.random.randn(10000) 
}).iplot(kind='hist', bins=100)

但這裏是收集：通過cufflinks提供的iplot方法似乎並不接受bins列表。當上面的例子中提供了一個數字時，該數字將被用於獨立地對兩個數據集進行分類，這會導致不相等的分箱，並帶來潛在的誤導結果（請參閱上面圖中的相同高度）。

雖然使用histnorm='density'選項可以稍微減輕此影響，但可能需要查看每個容器的計數而不是密度。

有沒有辦法解決這個問題？

來源

2017-08-20 glS

我添加的更新此。你應該現在能夠指定bins=(start,end,size)

pd.DataFrame({ 
'firstHistogram': np.random.randn(10000), 
'secondHistogram': 0.2 * np.random.randn(10000)}).iplot(kind='hist',bins=(-4,4,.08))

現在應該返回： Custom bins

來源

2017-08-21 04:24:55

據我所知，沒有直接的袖釦方式。您的代碼中顯示的輸出在我看來是錯誤的，即我認爲這是袖釦中的一個錯誤。

但你可以用幾行代碼輕鬆模仿袖釦功能。您可以通過cufflinks.getLayout()獲得相同的佈局，只需將barmode設置爲overlay即可。

import pandas as pd 
import plotly 
import cufflinks 

plotly.offline.init_notebook_mode() 

pd.DataFrame({ 
    'firstHistogram': np.random.randn(10000), 
    'secondHistogram': 0.2 * np.random.randn(10000) 
}) 

data = list() 

for dd in df: 
    histo = plotly.graph_objs.Histogram(x=df[dd], 
             name=dd, 
             xbins={'start': -4, 'end': 4, 'size': 0.08}, 
             autobinx=False, 
             opacity=0.8 
             ) 
    data.append(histo) 
layout = plotly.graph_objs.Layout(cufflinks.getLayout(), 
            barmode='overlay') 
fig = plotly.graph_objs.Figure(data=data, 
           layout=layout) 
plotly.offline.iplot(fig)

來源

2017-08-20 20:06:41

如何使用plotly +袖釦使用DataFrame中的多個直方圖的特定列表框？

回答

相關問題