看不懂matplotlib pyplot直方图答案

【问题标题】：Cannot understand matplotlib pyplot histogram看不懂matplotlib pyplot直方图
【发布时间】：2021-01-25 02:00:37
【问题描述】：

我只是在学习一些数据分析的基础知识。

我有一个简单的 csv 数据文件，如下所示。

START,FIRST,SECOND,ITEM
1,100,200,A
2,100,200,B
2,100,300,C
2,200,300,D
3,200,100,E
3,200,100,F
3,200,100,G
3,200,100,H
3,200,100,I
3,200,100,J

我编写了这个小程序来读取这个 csv 文件，然后使用 matplotlib 为 START、FIRST 和 SECOND 三列打印直方图。我还打印了 FIRST 与 SECOND 列的散点图。

#!/exp/anaconda3/bin/python3
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

file_name = 'junk.csv'

data = pd.read_csv(file_name)

print(data.describe())

plt.rcParams['axes.grid'] = True
fix, axs = plt.subplots(2,2, figsize=(15,10))
axs[0, 0].hist(data['START'], 100, density=True, facecolor='g', alpha=0.8)
axs[1, 0].scatter(data['FIRST'], data['SECOND'], facecolor='violet')
axs[0, 1].hist(data['FIRST'], 100, density=True, facecolor='r', alpha=0.8)
axs[1, 1].hist(data['SECOND'], 100, density=True, facecolor='b', alpha=0.8)
plt.show()

我不明白的是在直方图中，例如，附图中右下角带有蓝色条的图像，为什么它不简单地绘制数字 200 出现的次数而不是显示 200 出现0.10 倍。这怎么可能？ 300 也一样。

有人可以帮助我了解 matplot 是什么以及如何得出 Y 轴值的吗？这些值对我来说没有意义。

谢谢。

鲁比·德鲁

【问题讨论】：

标签： python pandas matplotlib histogram

【解决方案1】：

首先请注意，直方图主要用于计算小箱中的连续样本。对于离散数据，应仔细选择 bin，以便在值之间有很好的边界。当您添加bins=N 时，matplotlib 假设一个连续分布，并将空间从最小到最大样本细分为 N 个大小相等的 bin。对于离散数据，这可能会产生意想不到的副作用，例如将样本放入任一 bin 中以获得 bin 边界上的值。

使用density=True，将重新计算条形的高度，以使所有 bin 的总面积总和为 1。对于具有许多样本的连续分布，这类似于 probability density function，可用于绘制 @987654322 @ 具有相同的 y 轴。

那么，蓝色直方图中发生了什么：

在100 和300 之间创建了100 个bin。每个 bin 的宽度为 2。
3 个 bin 获取值：bin 100-102 的计数为 3，bin 198-200 或 bin 200-202 的计数为 1，bin 298-300 的计数也为 1。
bin 的总高度现在为 5。由于它们的宽度为 2，直方图计数需要除以 (total_height * bin_width) 以获得总面积 1。
显然，条形的高度乘以宽度之和为 1：0.3*2 + 0.1*2 + 0.1*2 = 1。

Seaborn 的 histplot 的最新版本 (0.11) 有一个参数来指示分布是离散的。还有一个参数stat=，您可以在'count' 和'probability' 之间进行选择，以指示通常计数的高度，以模仿probability mass function。蓝色直方图可以绘制为：

import seaborn as sns

sns.histplot(data, x='SECOND', discrete=True, stat='probability', facecolor='b', alpha=0.8, ax=axs[1, 1])

【讨论】：

【解决方案2】：

尝试密度 = False。 density 参数告诉 matplotlib 你是否希望它对高度进行归一化以使其代表概率密度。

【讨论】：