如何构建 numpy 二维数组的直方图答案

【问题标题】：How to build a histogram of numpy 2 dimensional array如何构建 numpy 二维数组的直方图
【发布时间】：2021-01-17 05:57:58
【问题描述】：

我有一个 256x256 的值矩阵，我想绘制这些值的直方图

如果我没记错的话，直方图必须在值向量中计算，对吗？所以这是我尝试过的：

from skimage.measure import compare_ssim
import numpy as np
import matplotlib.pyplot as plt

d = np.load("BB_Digital.npy")

n, bins, patches = plt.hist(x=d.ravel(), color='#0504aa', bins='auto', alpha=0.7, rwidth=0.85)

plt.grid(axis='y', alpha=0.75)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Blue channel Co-occurency matrix')
maxfreq = n.max()

# Set a clean upper y-axis limit.
plt.ylim(ymax=np.ceil(maxfreq / 10) * 10 if maxfreq % 10 else maxfreq + 10)
plt.show()

但是，我有一个非常奇怪的结果：

当我不使用 ravel 函数（使用二维矩阵）时，会显示以下结果：

但是，正如我稍后验证的那样，两个直方图似乎都是错误的：

>>> np.count_nonzero(d==0)
51227
>>> np.count_nonzero(d==1)
2529
>>> np.count_nonzero(d==2)
1275
>>> np.count_nonzero(d==3)
885
>>> np.count_nonzero(d==4)
619
>>> np.count_nonzero(d==5)
490
>>> np.count_nonzero(d==6)
403
>>> np.max(d)
12518
>>> np.min(d)
0

如何构建正确的直方图？

P.s：Here is the file 如果你能帮助我。

【问题讨论】：

@Xbel 同样的结果。感谢您的帮助。
@Xbel 只是你的数据太倾斜了。您的数据中的零太多。
@Xbel 即使这样直方图似乎是错误的，我也没有 60000 个零值 :-(
你有 51k 个零。删除零，您的数据仍然偏斜有 2.5k 1's、1.28k 2's 等等。顺便说一句，看起来您正在使用图像。您还应该考虑cv2。
在两个轴上使用对数刻度。但我认为你最好用彩条做一个plt.imshow。

标签： python arrays numpy matplotlib histogram

【解决方案1】：

数据似乎是离散的。在一半处设置明确的 bin 边界可以显示每个值的频率。由于存在非常高但不常见的值，以下示例在 50 处截断：

import numpy as np
from matplotlib import pyplot as plt

d = np.load("BB_Digital.npy")

plt.hist(d.ravel(), bins=np.arange(-0.5, 51),  color='#0504aa', alpha=0.7, rwidth=0.85)
plt.yscale('log')
plt.margins(x=0.02)
plt.show()

另一个可视化可以显示pcolormesh，其中颜色使用对数刻度。由于值从 0 开始，加 1 可避免负无穷大：

from matplotlib import pyplot as plt
from matplotlib.colors import LogNorm
import numpy as np

d = np.load("BB_Digital.npy")
plt.pcolormesh(d + 1, norm=LogNorm(), cmap='inferno')
plt.colorbar()
plt.show()

另一个可视化集中在对角线值上：

plt.plot(np.diagonal(d), color='navy')
ind_max = np.argmax(np.diagonal(d))
plt.vlines(ind_max, 0, d[ind_max, ind_max], colors='crimson', ls=':')
plt.yscale('log')

【讨论】：