python - 使用 matplotlib 的多个并排直方图？

Question

我有一个软件必须处理大量不同的数据，并且可能需要不同的时间来处理它。随着软件的修订，处理数据所需的时间发生变化，因此我想创建一个图表来显示时间方差和异常值，因为理想情况下，这个程序应该为每个部分花费大约相同的时间数据(我知道这听起来很奇怪和不切实际，但请随我在这里滚动)。

起初，我想过使用箱形图，但我认为它们是不够的，因为完全有可能让一半的数据集徘徊在一个值附近，另一半徘徊在另一个值附近，我觉得箱形图可以很好地说明这一点。所以我决定尝试使用直方图，但我不知道如何让 matplotlib 以我想要的方式绘制它。我想要一个单一的数字，X 轴标有软件版本，Y 轴显示处理数据集所花费的时间，以及多个直方图，就像我制作的这个模型:

这张图显示，在 0.1 版中，大多数数据集的处理时间为 2-4 秒，由于某种原因，一堆数据集需要 12 秒。 v0.1a 摆脱了那些长异常值，但一切都花费了更长的时间。 0.1b 只比 0.1a 快一点。最后，0.2 显示出很大的速度提升，但再次引入了异常值。

如何让 matplotlib 创建这样的图？

Answer 1

这是一个(非常)基本的模型，说明如何实现这一点:

import matplotlib.pyplot as plt
import numpy as np

number_of_bins = 20
number_of_data_points = 1000

ax = plt.subplot(111)

data_set = [np.random.normal(0, 1, number_of_data_points),
            np.random.normal(6, 1, number_of_data_points),
            np.random.normal(-3, 1, number_of_data_points)]

MID_VALUES = [0, 200, 400]
labels = ["v1", "v2", "v3"]


for MID_VAL, y in zip(MID_VALUES, data_set):

    hist, bin_edges = np.histogram(y, bins=number_of_bins)

    bottom = bin_edges[:-1]
    heights = np.diff(bin_edges)
    lefts = MID_VAL - .5 * hist

    ax.barh(bottom, hist, height=heights, left=lefts)

ax.set_xticks(MID_VALUES)
ax.set_xticklabels(labels)

plt.show()

我承认这缺乏很多改进，例如:MID_VALUES 是手动选择的，这将取决于数据集并且可以自动化。不过，您可以将其转换为更有用的格式。