Python：出现频率

Question

我有整数列表，想获取每个整数的频率。这是讨论here

问题是当我的数据集仅包含整数时，我使用的方法给了我浮点数的频率。为什么会发生这种情况以及如何从数据中获取整数频率？

我正在使用 pyplot.histogram 绘制具有出现频率的直方图

import numpy as np
import matplotlib.pyplot as plt
from numpy import *
data = loadtxt('data.txt',dtype=int,usecols=(4,)) #loading 5th column of csv file into array named data. 
plt.hist(data) #plotting the column as histogram 

我正在获取直方图，但我注意到如果我“打印” hist(data)

hist=np.histogram(data)
print hist(data)

我明白了：

(array([ 2323, 16338,  1587,   212,    26,    14,     3,     2,     2,     2]), 
array([  1. ,   2.8,   4.6,   6.4,   8.2,  10. ,  11.8,  13.6,  15.4,
    17.2,  19. ]))

其中第二个数组表示值，第一个数组表示出现次数。

在我的数据集中，所有值都是整数，第二个数组有浮点数是如何发生的，我应该如何获得整数的频率？

更新：

这样就解决了问题，谢谢Lev的回复。

plt.hist(data, bins=np.arange(data.min(), data.max()+1))

为避免产生新问题，我如何为每个整数绘制“中间”列？比如说，我希望整数 3 的列在 2.5 和 3.5 之间而不是在 3 和 4 之间。

Answer 1

如果您不指定要使用的 bin，np.histogram 和 pyplot.hist 将使用默认设置，即使用 10 个相等的 bin。第一个 bin 的左边界是最小值，最后一个 bin 的右边界是最大的。

这就是 bin 边界是浮点数的原因。您可以使用 bins 关键字参数来强制选择另一种垃圾箱，例如：

plt.hist(data, bins=np.arange(data.min(), data.max()+1))

编辑：将所有 bin 向左移动的最简单方法可能只是从所有 bin 边界中减去 0.5：

plt.hist(data, bins=np.arange(data.min(), data.max()+1)-0.5)

实现相同效果的另一种方法（如果存在非整数，则不等效）：

plt.hist(data, bins=np.arange(data.min(), data.max()+1), align='left')

Answer 2

（迟到了，只是想我会添加一个seaborn 实现）

上述问题的Seaborn实现：

seaborn.__version__ = 0.9.0 在撰写本文时。

加载库并设置模拟数据。

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

data = np.array([3]*10 + [5]*20 + [7]*5 + [9]*27 + [11]*2)

使用seaborn.distplot绘制数据：

使用指定的箱子，按上述问题计算。

sns.distplot(data,bins=np.arange(data.min(), data.max()+1),kde=False,hist_kws={"align" : "left"})
plt.show()

尝试numpy 内置分箱方法

我使用了下面的doane 分箱方法，它产生整数分箱，可能值得尝试numpy.histogram_bin_edges 中的standard binning methods，因为这是matplotlib.hist() 分箱数据的方式。

sns.distplot(data,bins="doane",kde=False,hist_kws={"align" : "left"})
plt.show()

生成以下直方图：

Answer 3

您可以从itertools 使用groupby，如How to count the frequency of the elements in a list? 所示

import numpy as np
from itertools import groupby
freq = {key:len(list(group)) for key, group in groupby(np.sort(data))}