极客笔记Matplotlib 和Seaborn的两个distplot图放在同一个坐标系中
在数据可视化的过程中，Matplotlib是Python最常用的绘图工具之一，而Seaborn则是在Matplotlib的基础上进一步封装，提供了更具体化的绘图函数，比如关系、分类、分布等。本文将介绍如何在同一坐标系内绘制两个不同的distplot分布图。
阅读更多：Matplotlib 教程
什么是distplot？
distplot是Seaborn中非常常用的绘图函数，主要用于可视化数据分布情况。通过distplot，我们可以观察数值型变量的分布以及其对应的概率密度曲线（PDF）和核密度曲线（KDE）。在Matplotlib中，我们也可以使用hist和kdeplot函数实现类似的效果。
下面的示例中将使用Seaborn的distplot函数绘制随机生成的一组数据的分布情况，并标注PDF和KDE两条曲线。
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# 生成随机数据
data = np.random.normal(size=1000)
# 绘制distplot
sns.distplot(data, kde=True, rug=False, hist=True, label="data")
# 显示PDF和KDE的标签
plt.legend(title="Distribution Plot")
# 显示图像
plt.show()
同一坐标系内绘制两个distplot图
在很多情况下，我们需要将不同变量的分布情况放在同一个坐标系中进行比较。这时，就需要把Matplotlib和Seaborn的绘图函数结合起来使用。下面的示例将演示如何在同一个坐标系内绘制两个不同的distplot分布图。
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
# 生成随机数据
data1 = np.random.normal(size=1000)
data2 = np.random.normal(loc=2, size=1000)
# 新建一个fig和两个子图
fig, ax = plt.subplots()
# 绘制第一个distplot图
sns.distplot(data1, kde=True, rug=False, hist=True, label="data1", ax=ax)
# 绘制第二个distplot图
sns.distplot(data2, kde=True, rug=False, hist=True, label="data2", ax=ax)
# 显示PDF和KDE的标签
plt.legend(title="Distribution Plot")
# 显示图像
plt.show()
通过上述示例我们可以看到，在新建fig之后，使用plt.subplots()函数可以创建一个或多个子图（Axes）。
运行代码结果时，两个子图会绘制在同一坐标系中，各自分别绘制了data1和data2的分布情况。同时可以使用legend()函数添加标签表明哪一条曲线对应哪一列数据的分布情况，方便更好地比较两组数据分布情况。
总结
本文主要介绍如何在同一个坐标系中绘制Matplotlib和Seaborn的两个distplot分布图。通过示例的讲解，我们了解了使用Seaborn的distplot函数对随机生成的一组数据的分布情况进行可视化，并标注PDF和KDE两条曲线；同时也介绍了如何通过结合Matplotlib和Seaborn的绘图函数，在同一个坐标系中绘制两个不同的distplot分布图，并添加标签表明哪一条曲线对应哪一列数据的分布情况。
当然，本文仅仅是为大家提供一个参考，实际上在使用Seaborn和Matplotlib进行数据可视化时，我们能做的远不止于此。只有在不断地实践中，不断地尝试，我们才能掌握更多高级技巧，真正为数据分析服务，创造出更加精美和实用的可视化效果。