我正在使用 matplotlib 生成直方图。
我需要垃圾箱的宽度不等，因为我最感兴趣的是最低的垃圾箱。 现在我正在这样做：
plt.hist(hits_array, bins = (range(0,50,10) + range(50,550,50)))
这会创建我想要的（前 5 个 bin 的宽度为 10，其余 50 个），但是前五个 bin 当然比后面的更窄，因为所有 bin 都显示在同一轴上.
有没有办法影响 x 轴或直方图本身，这样我就可以在前 5 个 bin 之后打破比例，所以所有 bin 都显示为同样宽？
（我意识到这会产生扭曲的视图，我对此很好，但我不介意轴的两个不同比例部分之间有一点空间。）
任何帮助将不胜感激。 谢谢！
【问题讨论】：
标签： matplotlib axis
我在这里有一个类似的问题，答案是使用肮脏的黑客。 Matplotlib histogram with collection bin for high values
所以使用下面的代码，你会得到你已经拥有的丑陋的直方图。
def plot_histogram_04():
limit1, limit2 = 50, 550
binwidth1, binwidth2 = 10, 50
data = np.hstack((np.random.rand(1000) * limit1, np.random.rand(100) * limit2))
bins = range(0, limit1, binwidth1) + range(limit1, limit2, binwidth2)
plt.subplots(1, 1)
plt.hist(data, bins=bins)
plt.savefig('my_plot_04.png')
plt.close()
为了让箱子等宽，你确实必须让它们等宽！这意味着要处理您的数据，使它们都落在等宽的 bin 中，然后使用 xlabel。
def plot_histogram_05():
limit1, limit2 = 50, 550
binwidth1, binwidth2 = 10, 50
data = np.hstack((np.random.rand(1000) * limit1, np.random.rand(100) * limit2))
orig_bins = range(0, limit1, binwidth1) + range(limit1, limit2 + binwidth2, binwidth2)
data = [(i - limit1) / (binwidth2 / binwidth1) + limit1
if i >= limit1 else i for i in data]
bins = range(0, limit2 / (binwidth2 / binwidth1) + limit1, binwidth1)
_, ax = plt.subplots(1, 1)
plt.hist(data, bins=bins)
xlabels = np.array(orig_bins, dtype='|S3')
N_labels = len(xlabels)
print xlabels
print bins
plt.xlim([0, bins[-1]])
plt.xticks(binwidth1 * np.arange(N_labels))
ax.set_xticklabels(xlabels)
plt.savefig('my_plot_05.png')
plt.close()
【讨论】：
你可以使用bar，不需要拆分轴。这是一个例子，
import matplotlib.pylab as plt
import numpy as np
data = np.hstack((np.random.rand(1000)*50,np.random.rand(100)*500))
binwidth1,binwidth2=10,50
bins=range(0,50,binwidth1)+range(50,550,binwidth2)
fig,(ax) = plt.subplots(1, 1)
y,binEdges=np.histogram(data,bins=bins)
ax.bar(0.5*(binEdges[1:]+binEdges[:-1])[:5], y[:5],width=.8*binwidth1,align='center')
ax.bar(0.5*(binEdges[1:]+binEdges[:-1])[5:], y[5:],width=.8*binwidth1,align='center')
plt.show()
如果您真的想拆分轴，请查看here。
【讨论】：
import pandas as pd
import numpy as np
df= data
bins = np.arange(0,0.1,0.001)
df.hist(bins=bins,color='grey')
【讨论】：