在 matplotlib 直方图中设置相对频率

Question

我将数据作为浮点数列表，我想将其绘制为直方图。 Hist() 函数可以完美地绘制绝对直方图。但是，我不知道如何以相对频率格式来表示它——我想将它作为一个分数，或者理想情况下作为 y 轴上的一个百分比。

代码如下：

fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, patches = ax.hist(mydata, bins=100, normed=1, cumulative=0)
ax.set_xlabel('Bins', size=20)
ax.set_ylabel('Frequency', size=20)
ax.legend

plt.show()

我认为 normed=1 参数会做到这一点，但它给出的分数太高，有时大于 1。它们似乎也取决于 bin 大小，好像它们没有被 bin 大小或其他东西标准化.然而，当我设置累积 = 1 时，它很好地总结为 1。那么，问题在哪里？顺便说一句，当我将相同的数据输入 Origin 并绘制它时，它给了我完全正确的分数。谢谢！

Answer 1

因为 hist 的 normed 选项返回点的密度，例如 dN/dx

你需要的是这样的：

 # assuming that mydata is an numpy array
 ax.hist(mydata, weights=np.zeros_like(mydata) + 1. / mydata.size)
 # this will give you fractions

Answer 2

也可以使用set_major_formatter调整y轴的刻度，如下：

from matplotlib import ticker as tick

def adjust_y_axis(x, pos):
    return x / (len(mydata) * 1.0)

ax.yaxis.set_major_formatter(tick.FuncFormatter(adjust_y_axis))

只需在plt.show()之前调用adjust_y_axis即可。

Answer 3

对于相对频率格式，设置选项density=True。下图显示了 1000 个样本的直方图，取自均值为 5，标准差为 2.0 的正态分布。

代码是

import numpy as np
import matplotlib.pyplot as plt

# Generate data from normal distibution
mu, sigma = 5, 2.0 # mean and standard deviation
mydata = np.random.normal(mu, sigma, 1000)

fig = plt.figure()
ax = fig.add_subplot(111)
ax.hist(mydata,bins=100,density=True);
plt.show()

如果您想在 y 轴上显示 %，您可以使用 PercentFormatter，如下所示

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter

# Generate data from normal distibution
mu, sigma = 5, 2.0 # mean and standard deviation
mydata = np.random.normal(mu, sigma, 1000)

fig = plt.figure()
ax = fig.add_subplot(111)
ax.hist(mydata,bins=100,density=False);
ax.yaxis.set_major_formatter(PercentFormatter(xmax=100))
plt.show()