如何按间隔分隔数据框列并绘制

Question

我有一个如下所示的数据框：

     Edades
0        -15.612896
1        -18.612896
2         11.387104
3        -12.612896
4         17.387104
            ...
566597    15.387104
566598     5.387104
566599     6.387104
566600     0.387104
566601    22.387104

我想制作一个条形图，显示按标准差的倍数定义的区间分类的数据频率。到目前为止，我知道plt.hist() 实际上可以做类似的事情，但它不会让我在范围上使用浮点类型值。

我试过的代码如下：

plt.figure("Edad_Distrib")
plt.hist(nuevo_edad, range(-100,100))
plt.xlabel("Edades")
plt.ylabel("Frecuencia")
plt.title("Distrib edades")
plt.show()

我怎样才能在一个看起来像这样的范围内绘制一些东西？

plt.hist(nuevo_edad, range(-2*stdev,2*stdev))

如果它有任何用途，我有我的教授在 R 中所做的这段代码，它与随机生成的数据帧完全一样，我只是不知道如何在 python 和我的特定数据帧中实现它。

A <- rnorm(100)
m <- mean(A)
s <- var(A)
k <- -11

x = seq(-5, 5, length = k)
y = vector("numeric", length = (k-1))

for (i in 1:(k-1)){
       y[i] = sum(A>x[i] & A<x[i+1])

}

barplot(y)

Answer 1

• 使用df.a.mean() ± df.a.std() * value 定义bin 边缘
  • 以下代码中的列表理解创建了一个 bin 边缘列表。
• 使用pandas.Series.mean 获取数据帧的平均值
• 用pandas.Series.std获取均值的标准差

import pandas as pd
import numpy as np  # for sample data
import matplotlib.pyplot as plt

# create sample dataframe
np.random.seed(365)
data = {'a': [np.random.randint(700) for _ in range(3000)]}
df = pd.DataFrame(data)

# create the bin edges
bins = [df.a.mean() + (df.a.std() * v) for v in range(-5, 6, 1)]

print(bins)
[-652.44, -451.49, -250.55, -49.6, 151.35, 352.3, 553.25, 754.19, 955.14, 1156.09, 1357.04]

• 要手动对数据框进行分箱，groupby 分箱，并生成条形图
  • pandas.DataFrame.plot.bar
• 使用 pandas.cut 创建一个带有 bin 的新列。

# create a column of bins
df['bins'] = pd.cut(df.a, bins=bins)

# groupby the bins and plot
df.groupby('bins')['a'].count().plot.bar()

• 通过使用pandas.DataFrame.plot.hist 或matplotlib.pyplot.hist 定义bin 边缘来绘制直方图
• matplotlib: Histograms

# matplotlib plot
plt.hist(x=df.a, bins=bins)
plt.ylabel('Frequency')
plt.show()

# or dataframe plot
df.a.plot.hist(bins=bins)
plt.show()

Answer 2

如果您想定义一个范围，您最常将其作为keyword argument (kwarg) 传递给函数，在本例中为range。它会是这样的：

plt.hist(nuevo_edad, range=(-2*stdev,2*stdev))

请注意，您不会传递集合（如 range(a, b)），hist 中的参数 range 是两个元素的元组。

PS：这只会影响您要绘制的数据。如果不是这样，您的意思是直方图中需要多少条柱，请使用参数bins。

例子：

plt.hist(nuevo_edad, bins=20, range=(-2*stdev,2*stdev))

这会将-2*stdev 和2*stdev 之间的所有数据绘制成20 个柱状图。