绘制两个直方图。为什么一个人没有kde而另一个人没有？答案

【问题标题】：Plotting Two Histograms. Why can't one have kde while other not have it?绘制两个直方图。为什么一个人没有kde而另一个人没有？
【发布时间】：2020-09-09 20:23:25
【问题描述】：

所以我正在学习 Kaggle 数据可视化微课程，并学习了绘制直方图的课程。所以练习要求绘制两个直方图，我这样做了，它奏效了，但是如果我在其中一个图上添加 kde = False，则只有该图可见，另一个图不显示：

           `sns.distplot(a = cancer_b_data['Area (mean)'], kde = False) 
            sns.distplot(a = cancer_m_data['Area (mean)'])  `

不知道我听起来有多愚蠢，但任何澄清都会有所帮助。谢谢

【问题讨论】：

标签： python data-visualization seaborn histogram

【解决方案1】：

使用默认的kde=True，kde 被归一化，使得曲线下的面积为 1。为了一起在同一个图中，直方图也将被归一化，使得所有条形的完整面积总和为 1。

使用kde=False，默认直方图将显示频率（每个 bin 的计数），这是更大的数字。如果您将两者都显示在具有相同轴的同一图中，则归一化直方图不会消失，但会非常小。使用缩放工具，您可以验证它是否仍然存在。要查看相同大小的两者，可以使用sns.distplot(..., kde=False, norm_hist=True)

您会注意到，两个直方图不使用相同的 bin 边界。这些边界是使用样本数以及各个样本集的最小值和最大值来计算的。

要真正比较两个直方图，可以设置明确的 bin，因此两者都使用相同的 bin 边界。

以下代码和绘图比较了比较直方图的 3 种不同方式：

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

x1 = np.random.randn(100).cumsum()
x2 = np.random.randn(100).cumsum()
fig, (ax1, ax2, ax3) = plt.subplots(ncols=3, figsize=(15, 4))

sns.distplot(a=x1, kde=False, ax=ax1)
sns.distplot(a=x2, ax=ax1)
ax1.set_title('one histogram without kde')

sns.distplot(a=x1, kde=False, norm_hist=True, ax=ax2)
sns.distplot(a=x2, ax=ax2)
ax2.set_title('setting norm_hist=True')

xmin = min(x1.min(), x2.min())
xmax = max(x1.max(), x2.max())
bins = np.linspace(xmin, xmax, 11)
sns.distplot(a=x1, kde=False, norm_hist=True, bins=bins, ax=ax3)
sns.distplot(a=x2, bins=bins, ax=ax3)
ax3.set_title('using the same bins')

plt.tight_layout()
plt.show()

【讨论】：