Wykreślanie ramki danych jako zarówno "hist", jak i "kde" na tym samym wykresie

Question

Mam pandy dataframe z informacjami użytkownika. Chciałbym wykreślić wiek użytkowników jako zarówno kind='kde', jak i kind='hist' na tym samym wykresie. W tej chwili mogę mieć dwie osobne działki. Dataframe przypomina:

member_df=  
user_id Age 
1   23 
2   34 
3   63 
4   18 
5   53 
... 

użyciu

ax1 = plt.subplot2grid((2,3), (0,0)) 
member_df.Age.plot(kind='kde', xlim=[16, 100]) 
ax1.set_xlabel('Age') 

ax2 = plt.subplot2grid((2,3), (0,1)) 
member_df.Age.plot(kind='hist', bins=40) 
ax2.set_xlabel('Age') 

ax3 = ... 

Rozumiem, że kind='kde' da mi częstotliwości dla osi y, natomiast kind='kde' dadzą skumulowany rozkład, ale czy jest jakiś sposób, aby połączyć oba i Czy oś y jest reprezentowana przez częstotliwości?

Answer 1

pd.DataFrame.plot() zwraca wartość ax, dla której jest przeznaczona. Możesz użyć tego ponownie dla innych działek.

Spróbuj:

ax = member_df.Age.plot(kind='kde') 
member_df.Age.plot(kind='hist', bins=40, ax=ax) 
ax.set_xlabel('Age') 

przykład
wykreślić hist najpierw umieścić w tle
Również kładę kde na secondary_y osi

import pandas as pd 
import numpy as np 


np.random.seed([3,1415]) 
df = pd.DataFrame(np.random.randn(100, 2), columns=list('ab')) 

ax = df.a.plot(kind='hist') 
df.a.plot(kind='kde', ax=ax, secondary_y=True) 

---

odpowiedzi na komentarz
użyciu subplot2grid. tylko ponowne ax1

import pandas as pd 
import numpy as np 

ax1 = plt.subplot2grid((2,3), (0,0)) 

np.random.seed([3,1415]) 
df = pd.DataFrame(np.random.randn(100, 2), columns=list('ab')) 

df.a.plot(kind='hist', ax=ax1) 
df.a.plot(kind='kde', ax=ax1, secondary_y=True) 

Answer 2

w przypadku chcesz go dla wszystkich kolumn swojej dataframe:

fig, ax = plt.subplots(8,3, figsize=(20, 50)) 
# you can change the distribution, I had 22 columns, so 8x3 is fine to me 
fig.subplots_adjust(hspace = .2, wspace=.2,) 

ax = ax.ravel() 

for i in range(len(I_df.columns)): 
    ax[i] = I_df.iloc[:,i].plot(kind='hist', ax=ax[i]) 
    ax[i] = I_df.iloc[:,i].plot(kind='kde', ax=ax[i], secondary_y=True) 
    plt.title(I_df.columns[i]) 

Mam nadzieję, że to pomaga :)