直方图 Matplotlib

Question

所以我有一个小问题。我有一个 scipy 数据集，它已经是直方图格式，所以我有 bin 的中心和每个 bin 的事件数。我现在如何绘制为直方图。我试着做

bins, n=hist()

但它不喜欢那样。有什么建议吗？

Answer 1

从 matplotlib 3.4.0 开始

新的plt.stairs（或ax.stairs）直接与np.histogram一起工作：

• np.histogram 返回计数和边
• plt.stairs 接受计数和边

例如，给定 unutbu 的样本 x = 100 + 15 * np.random.randn(10000)：

counts, edges = np.histogram(x, bins=50)
plt.stairs(counts, edges, fill=True)

或者，将np.histogram直接解压到plt.stairs：

plt.stairs(*np.histogram(x, bins=50), fill=True)

有关how to use stair plots 的更多示例，请参阅官方 matplotlib 库。

Answer 2

我刚刚意识到 hist 文档明确说明了当您已经拥有 np.histogram 时该怎么做

counts, bins = np.histogram(data)
plt.hist(bins[:-1], bins, weights=counts)

这里的重要部分是您的计数只是权重。如果你这样做，你就不再需要 bar 功能了

Answer 3

这可能对某人有用。

Numpy 的直方图函数返回每个 bin 的边缘，而不是 bin 的值。这对于浮点数是有意义的，它可以位于一个区间内，但在处理离散值或整数（0、1、2 等）时可能不是所需的结果。特别是，从 np.histogram 返回的 bin 长度不等于计数/密度的长度。

为了解决这个问题，我使用 np.digitize 来量化输入，并计算每个 bin 的计数分数。您可以轻松编辑以获取整数计数。

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
####

参考：

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

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

Answer 4

如果你愿意使用pandas：

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

Answer 5

我知道这并不能回答您的问题，但是当我搜索直方图的 matplotlib 解决方案时，我总是在这个页面上结束，因为简单的 histogram_demo 已从 matplotlib 示例库页面中删除。

这是一个不需要导入numpy 的解决方案。我只导入 numpy 来生成要绘制的数据x。它依赖于函数hist，而不是@unutbu 的answer 中的函数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')

还可以查看matplotlib gallery 和matplotlib examples。

Answer 6

如果您不想要条形图，可以这样绘制：

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 7

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()

面向对象的接口也很简单：

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

---

如果您使用自定义（非常量）箱，您可以使用np.diff 计算宽度，将宽度传递给ax.bar 并使用ax.set_xticks 标记箱边缘：

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()