Tutoriel détaillé sur la façon d'utiliser matplotlib pour dessiner des histogrammes empilés en Python

Cet article présente principalement la méthode de dessin d'histogrammes empilés en Python basée sur matplotlib, et implique les compétences opérationnelles associées de Python utilisant matplotlib pour le dessin graphique. Les amis dans le besoin peuvent s'y référer

L'exemple de ceci. L'article explique Python basé sur la méthode de Matplotlib pour dessiner des histogrammes empilés. Partagez-le avec tout le monde pour votre référence, les détails sont les suivants :

Habituellement, nous faisons uniquement des statistiques d'histogramme sur un ensemble de données, nous n'avons donc besoin que de dessiner l'histogramme directement.

Mais parfois, nous dessinons des histogrammes de plusieurs ensembles de données en même temps (par exemple, la répartition du temps qu'il m'a fallu pour parcourir l'anneau intérieur de la ville universitaire de ma première année à ma dernière année). De ma première année à ma dernière année, nous utilisons des histogrammes de différentes couleurs Affichés sur une image, ce sera très intuitif.

#!/usr/bin/env python
# -*- coding: utf-8 -*-
#http://www.jb51.net/article/100363.htm
# numpy array intorduction
#http://matplotlib.org/examples/statistics/histogram_demo_multihist.html
import numpy as np
import pylab as P
import matplotlib
d1=np.array([18.46,19.15,18.13 ,18.30 ,18.07 ,18.24 ,18.26 ,
     17.14 ,18.44 ,18.06 ,17.44 ,16.57 ,16.34 ,17.21 ])
d1=d1//1+(d1-d1//1)/0.6
d2=np.array([19.33 ,19.06 ,18.10 ,17.55 ,19.55 ,19.13 ,18.54 ,
     18.30 ,18.36 ,19.59 ,20.01 ,19.17 ,19.30 ,18.54 ,18.35 ,20.04 ])
d2=d2//1+(d2-d2//1)/0.6
d3=np.array([20.52 ,20.41 ,19.20 ,19.04 ,19.09 ,19.01 ,17.49 ,19.18 ,20.01 ,20.11 ])
d3=d3//1+(d3-d3//1)/0.6
d4=np.array([22.02 ,21.03,21.06 ,20.46 ,19.46 ,20.15 ,19.49 ,19.43 ,
       19.51 ,19.39 ,19.33 ,19.18 ,19.13 ,19.22 ,18.46 ,19.07 ,
       18.57 ,18.45 ,19.17 ,18.41 ,18.30 ])
d4=d4//1+(d4-d4//1)/0.6
x=([d1,d2,d3,d4])
P.figure()
#normed is False is good
n, bins, patches = P.hist(x, 12, [16.5, 22.5],normed=0, histtype='barstacked',
              color=['blue', 'green', 'red','yellow'],
             label=['   ', '   ', '   ','   '])
print type(x)
P.legend()#legend should be signed after set down the information
P.show()

Par exemple, dans l'image ci-dessus, il est évident que l'histogramme bleu (étudiant de première année) fonctionne le plus rapidement, et l'histogramme jaune (Senior) est celui qui fonctionne le plus lentement.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!