En matplotlib.pyplot, ¿cómo trazar dos conjuntos de datos utilizando gráficos de barras intercaladas?

Question

Estoy pasando por Think Stats y me gustaría comparar múltiples conjuntos de datos visualmente. Puedo ver en los ejemplos del libro que es posible generar un gráfico de barras intercalado con un color diferente para cada conjunto de datos utilizando un módulo proporcionado por el autor del libro, ¿cómo obtener el mismo resultado en pyplot?

Gracias
Tunnuz

Answer 1

Llame a la función de la barra varias veces, una para cada serie. Puede controlar la posición izquierda de las barras usando el parámetro izquierdo, y puede usar esto para evitar la superposición.

código totalmente no probado:

pyplot.bar(numpy.arange(10) * 2, data1, color = 'red') 
pyplot.bar(numpy.arange(10) * 2 + 1, data2, color = 'red') 

Data 2 se elaborará desplaza sobre el derecho comparado con donde se extrae un dato.

Answer 2

Hay un ejemplo/demostración brillante proporcionada en la documentación:

http://matplotlib.sourceforge.net/examples/api/barchart_demo.html

Answer 3

me encontré con este problema hace un tiempo y ha creado una función de contenedor que tiene una matriz 2D y crea automáticamente un multi-diagrama de barras de que:

El código:

import matplotlib.pyplot as plt 
import matplotlib.cm as cm 
import operator as o 

import numpy as np 

dpoints = np.array([['rosetta', '1mfq', 9.97], 
      ['rosetta', '1gid', 27.31], 
      ['rosetta', '1y26', 5.77], 
      ['rnacomposer', '1mfq', 5.55], 
      ['rnacomposer', '1gid', 37.74], 
      ['rnacomposer', '1y26', 5.77], 
      ['random', '1mfq', 10.32], 
      ['random', '1gid', 31.46], 
      ['random', '1y26', 18.16]]) 

fig = plt.figure() 
ax = fig.add_subplot(111) 

def barplot(ax, dpoints): 
    ''' 
    Create a barchart for data across different categories with 
    multiple conditions for each category. 

    @param ax: The plotting axes from matplotlib. 
    @param dpoints: The data set as an (n, 3) numpy array 
    ''' 

    # Aggregate the conditions and the categories according to their 
    # mean values 
    conditions = [(c, np.mean(dpoints[dpoints[:,0] == c][:,2].astype(float))) 
        for c in np.unique(dpoints[:,0])] 
    categories = [(c, np.mean(dpoints[dpoints[:,1] == c][:,2].astype(float))) 
        for c in np.unique(dpoints[:,1])] 

    # sort the conditions, categories and data so that the bars in 
    # the plot will be ordered by category and condition 
    conditions = [c[0] for c in sorted(conditions, key=o.itemgetter(1))] 
    categories = [c[0] for c in sorted(categories, key=o.itemgetter(1))] 

    dpoints = np.array(sorted(dpoints, key=lambda x: categories.index(x[1]))) 

    # the space between each set of bars 
    space = 0.3 
    n = len(conditions) 
    width = (1 - space)/(len(conditions)) 

    # Create a set of bars at each position 
    for i,cond in enumerate(conditions): 
     indeces = range(1, len(categories)+1) 
     vals = dpoints[dpoints[:,0] == cond][:,2].astype(np.float) 
     pos = [j - (1 - space)/2. + i * width for j in indeces] 
     ax.bar(pos, vals, width=width, label=cond, 
       color=cm.Accent(float(i)/n)) 

    # Set the x-axis tick labels to be equal to the categories 
    ax.set_xticks(indeces) 
    ax.set_xticklabels(categories) 
    plt.setp(plt.xticks()[1], rotation=90) 

    # Add the axis labels 
    ax.set_ylabel("RMSD") 
    ax.set_xlabel("Structure") 

    # Add a legend 
    handles, labels = ax.get_legend_handles_labels() 
    ax.legend(handles[::-1], labels[::-1], loc='upper left') 

barplot(ax, dpoints) 
plt.show() 

Si está interesado en qué hace esta función y la lógica detrás de ella, here's a (shamelessly self-promoting) link to the blog post describing it.