Matplotlib - 已分箱数据的阶梯直方图答案

【问题标题】：Matplotlib - Stepped histogram with already binned dataMatplotlib - 已分箱数据的阶梯直方图
【发布时间】：2012-07-03 01:34:21
【问题描述】：

我正在尝试获取包含已分箱数据的直方图。我一直在尝试为此使用bar()，但我似乎无法弄清楚如何使它成为阶梯直方图like this one from the examples，而不是填充直方图。

【问题讨论】：

标签： python numpy matplotlib scipy

【解决方案1】：

您可以通过抵消您的数据并改用plot 来作弊：

from matplotlib import pyplot
import numpy as np

#sample data:
x = np.arange(30)
y = np.cumsum(np.arange(30))
#offset the x for horizontal, repeat the y for vertical:
x = np.ravel(zip(x,x+1))
y = np.ravel(zip(y,y))

pyplot.plot(x,y)
pyplot.savefig('plt.png')

剧情：

【讨论】：

我想出了第二种方法。只需将ls = "steps" 设置为plot()。不过感谢您的回答！
@madtowneast，您应该为该评论获得更多支持。这是一个隐藏的功能。 matplotlib.org/api/…

【解决方案2】：

最简单的解决方案是将分箱数据集转换为未分箱的加权数据集（元素数 == 分箱数）。未分箱的数据集将包含等于 bin 中心的数据值和等于每个 bin 中的值的权重。例如，假设您的分箱数据是，

binedges = [0.0, 1.0, 2.0, 3.0]
ybinned = [11., 22., 33.]

相应的加权数据集是，

y =       [0.5, 1.5, 2.5]
weights = [11., 22., 33.]

请注意，使用 bin 中心的选择是任意的，您可以使用 bin 内的任何点。一旦你生成了 un-binned 数据集，你就可以使用正常的 matplotlib 直方图绘图（即 Axes.hist）。

python 中的示例实现如下：

def plot_binned_data(axes, binedges, data,
               *args, **kwargs):
    #The dataset values are the bin centres
    x = (binedges[1:] + binedges[:-1]) / 2.0
    #The weights are the y-values of the input binned data
    weights = data
    return axes.hist(x, bins=binedges, weights=weights,
               *args, **kwargs)

您现在可以完全访问所有 Axes.Histogram 绘图选项，包括 histtype="step"，以创建您想要的阶梯直方图。

使用这个函数的一个例子是，

import numpy
import matplotlib.pyplot as plt

#Create a dataset
dataset = numpy.random.normal(size=100)
#Bin the dataset
binedges = numpy.linspace(-5.0, 5.0, num=10)
y, binedges = numpy.histogram(dataset, binedges)

#Plot the dataset
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
plot_binned_data(ax, binedges, y, histtype="step")
plt.show()

希望有帮助！

【讨论】：

【解决方案3】：

来自http://matplotlib.sourceforge.net/examples/pylab_examples/histogram_demo_extended.html的随附来源

这是他们绘制该图的方式：

[剪辑]

而你想要的位似乎是

pylab.hist(x, bins=bins, histtype='step')
                            ^
                        right here

编辑：如果您想知道 hist() 的工作原理，请查看源代码 - 它在 matplotlib/axes.py 中从第 7407 行开始定义。

查看第 7724 行，

x = np.zeros( 2*len(bins), np.float )
y = np.zeros( 2*len(bins), np.float )

对于 N 个条形，bins 是 N+1 个值的 numpy.ndarray，是每个条形的边。他们将每个条的值配对（这是 fraxel 在下面使用 np.ravel 所做的）并将数据点向左移动半条以使它们居中

x[0::2], x[1::2] = bins, bins
x -= 0.5*(bins[1]-bins[0])

设置每个条的高度，成对但偏移一个（相对于 x 值）以产生阶梯效果

# n is an array of arrays containing the number of items per bar
patches = []    # from line 7676
for m, c in zip(n, color):
    y[1:-1:2], y[2::2] = m, m
    patches.append(self.fill(x, y, closed=False, edgecolor=c, fill=False))

self.fill 位实际上是画线的原因。

【讨论】：

据我了解该示例数据尚未分箱。我已经有分箱数据，所以hist() 没有帮助
@Jonas Wielicki：给出的代码导致了他询问的图像。这怎么不适用？
@HughBothwell 他确实有分箱中的数据，而不是未分箱的。不过，通过您的编辑，它似乎对我有用。

【解决方案4】：

由于某种原因，当我尝试使用最后一个垃圾箱时，它没有正确关闭。如果显示最后一行，则从以前的答案中看不到，所以我决定制作自己的函数，它可以满足我的需求。

def make_bar_contour_plot(ax,x_input,y_input):

    x = list(np.ravel(zip(x_input[:-1],x_input[:-1]+1)))[1:]
    x += [x[-1]+20] + [300] 
    y = list(np.ravel(zip(y_input,y_input))) +[0]
    ax.plot(x,y,ls='steps')

    return ax

添加的20和300分别是我的binsize和结束值，如果有人想使用这个需要调整。 x_input 和 y_input 是来自 np.histogram 的返回值。我的结果图（蓝色轮廓，用上面的函数绘制。红色，相同数据的条形图）：

【讨论】：