• 使用np.histogram，它返回hist和bin_edges。
• 两个函数调用必须使用相同的bin_edges。
• 减去每个 Dataframe 的hist，并将其与bin_edges进行绘图。
• 将h_diff绘制为条形图。
• bin_edge比条形多一个，因此选择除了最后一个值bin_edges[:-1]之外的所有值作为传递给x=的x轴标签。
• sns.barplot的x-tick是0索引的，因此用一个额外的tick重置tick，将它们偏移-0.5，然后用所有的bin_edges重新标记tick。

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

# sample data
np.random.seed(2023)
a = np.random.normal(50, 15, (100,))
b = np.random.normal(30, 8, (100,))

# dataframe from sample distributions
df = pd.DataFrame({'a': a, 'b': b})

# calculate the histogram for each distribution
bin_edges = np.arange(10, 91, 10)

a_hist, _ = np.histogram(df.a, bins=bin_edges) 
b_hist, _ = np.histogram(df.b, bins=bin_edges) 

# calculate the difference
h_diff = a_hist - b_hist

# plot
fig, ax = plt.subplots(figsize=(7, 5))
sns.barplot(x=bin_edges[:-1], y=h_diff, color='tab:blue', ec='k', width=1, alpha=0.8, ax=ax)
ax.set_xticks(ticks=np.arange(0, 9)-0.5, labels=bin_edges)
ax.margins(x=0.1)
_ = ax.set(title='Difference between Sample A and B: hist(a) - hist(b)', ylabel='Difference', xlabel='Bin Ranges')

• 另一种选择是绘制直方图和隐藏条，我认为这是一种更好的数据呈现方式，可以显示两个数据集的分布。

fig, ax = plt.subplots(figsize=(7, 5))
sns.histplot(data=df, multiple='dodge', common_bins=True, ax=ax, bins=bin_edges)

我认为你可以从彼此中减去2个dfs来做另一个直方图，或者你可以用不同的颜色代码将它们绘制在彼此的顶部，这样你就可以可视化差异。
举个例子：

import seaborn as sns
import matplotlib.pyplot as plt

data1 = [1, 2, 2, 3, 3, 3, 4, 4, 5, 5, 5]
data2 = [2, 3, 3, 4, 4, 4, 5, 5, 6, 6, 6]

sns.histplot(data=data1, label='Data 1', color='red', alpha=0.5)
sns.histplot(data=data2, label='Data 2', color='blue', alpha=0.5)

plt.xlabel('Value')
plt.ylabel('Count')
plt.legend()

plt.show()