直方圖Matplotlib

Question

所以我有一個小問題。我在scipy中已經有一個數據集，它已經是直方圖格式，所以我有了bin的中心和每個bin的事件數量。我現在如何繪製直方圖。我試着只是做

bins, n=hist() 

，但它不喜歡那個。任何建議？

Answer 1

import matplotlib.pyplot as plt 
import numpy as np 

mu, sigma = 100, 15 
x = mu + sigma * np.random.randn(10000) 
hist, bins = np.histogram(x, bins=50) 
width = 0.7 * (bins[1] - bins[0]) 
center = (bins[:-1] + bins[1:])/2 
plt.bar(center, hist, align='center', width=width) 
plt.show() 

的面向對象的界面也很簡單：

fig, ax = plt.subplots() 
ax.bar(center, hist, align='center', width=width) 
fig.savefig("1.png") 

---

如果使用定製（非恆定）箱，你可以通過使用計算出的寬度np.diff，通過寬度以ax.bar並使用ax.set_xticks標記的bin邊緣：

import matplotlib.pyplot as plt 
import numpy as np 

mu, sigma = 100, 15 
x = mu + sigma * np.random.randn(10000) 
bins = [0, 40, 60, 75, 90, 110, 125, 140, 160, 200] 
hist, bins = np.histogram(x, bins=bins) 
width = np.diff(bins) 
center = (bins[:-1] + bins[1:])/2 

fig, ax = plt.subplots(figsize=(8,3)) 
ax.bar(center, hist, align='center', width=width) 
ax.set_xticks(bins) 
fig.savefig("/tmp/out.png") 

plt.show() 

Answer 2

如果你不想吧，你可以畫出這樣的：

import numpy as np 
import matplotlib.pyplot as plt 

mu, sigma = 100, 15 
x = mu + sigma * np.random.randn(10000) 

bins, edges = np.histogram(x, 50, normed=1) 
left,right = edges[:-1],edges[1:] 
X = np.array([left,right]).T.flatten() 
Y = np.array([bins,bins]).T.flatten() 

plt.plot(X,Y) 
plt.show() 

Answer 3

如果你願意使用pandas：

pandas.DataFrame({'x':hist[1][1:],'y':hist[0]}).plot(x='x',kind='bar') 

Answer 4

我知道t他不回答你的問題，但是當我搜索matplotlib解決方案到直方圖時，我總是在這個頁面上結束，因爲從matplotlib示例圖庫頁面中刪除了簡單的histogram_demo。

這裏是一個解決方案，其不需要numpy進口。我只導入numpy生成要繪製的數據x。它依賴於功能hist，而不是作爲answer通過@unutbu功能bar。

import numpy as np 
mu, sigma = 100, 15 
x = mu + sigma * np.random.randn(10000) 

import matplotlib.pyplot as plt 
plt.hist(x, bins=50) 
plt.savefig('hist.png') 

還檢查了matplotlib gallery和matplotlib examples。

Answer 5

我認爲這可能是有用的人。

與NumPy的直方圖功能，我的煩惱（雖然我很欣賞有一個很好的理由），返回每個區間的邊緣，而不是倉的價值。然而，這對浮點數是有意義的，它可能位於一個區間內（即中心值不是超有意義的），當處理離散值或整數（0,1,2等）時，這不是所需的輸出， 。特別是，從np.histogram返回的bin的長度不等於count/density的長度。

要解決這個問題，我用np.digitize量化的輸入，並返回倉的離散數，與計數每個區間的分數一起。您可以輕鬆編輯以獲取整數個計數。

def compute_PMF(data) 
    import numpy as np 
    from collections import Counter 
    _, bins = np.histogram(data, bins='auto', range=(data.min(), data.max()), density=False) 
    h = Counter(np.digitize(data,bins) - 1) 
    weights = np.asarray(list(h.values())) 
    weights = weights/weights.sum() 
    values = np.asarray(list(h.keys())) 
    return weights, values 
#### 

參考文獻：

[1] https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html

[2] https://docs.scipy.org/doc/numpy/reference/generated/numpy.digitize.html