带有加权数据的分布型图（直方图/kde）答案

【问题标题】：Distribution-type graphs (histogram/kde) with weighted data带有加权数据的分布型图（直方图/kde）
【发布时间】：2015-04-27 02:59:01
【问题描述】：

简而言之，当我的数据被加权时，分布类型图（直方图或 kde）的最佳选择是什么？

df = pd.DataFrame({ 'x':[1,2,3,4], 'wt':[7,5,3,1] })

df.x.plot(kind='hist',weights=df.wt.values)

这很好，但 seaborn 不会接受 weights kwarg，即

sns.distplot( df.x, bins=4,              # doesn't work like this
              weights=df.wt.values )     # or with kde=False added

如果 kde 可以接受权重也很好，但 pandas 和 seaborn 似乎都不允许。

我意识到顺便说一句，可以扩展数据以伪造权重，这在这里很容易，但对于权重为数百或数千的真实数据并没有多大用处，所以我不想寻找这样的解决方法。

无论如何，仅此而已。我只是想找出除了基本的熊猫直方图之外我可以用加权数据做什么（如果有的话）。我还没有玩弄散景，但也欢迎提出散景建议。

【问题讨论】：

同样的问题和同样的答案在这里：stackoverflow.com/questions/31703149/…

标签： python pandas matplotlib bokeh seaborn

【解决方案1】：

您必须了解 seaborn 使用了 pandas 也使用的 matplotlib 绘图函数。

正如documentation 所述，sns.distplot 不接受 weights 参数，但它接受 hist_kws 参数，该参数将被发送到对 plt.hist 的底层调用。因此，这应该做你想做的事：

sns.distplot(df.x, bins=4, hist_kws={'weights':df.wt.values})

【讨论】：

是的，谢谢，这很有帮助。我不确定如何将 kwarg 传递给 matplotlib。我现在会投赞成票，但如果有人对 kde 等有任何想法，请让它保持开放时间。
Seaborns kde plots 使用 python 包 statmodels 进行计算。相关功能有权重争论，但似乎这不是seaborn转发的。相关源文件：github.com/mwaskom/seaborn/blob/master/seaborn/distributions.py和github.com/statsmodels/statsmodels/blob/master/statsmodels/…
好的，谢谢。看起来权重可能还没有实现（我不能从快速浏览中确定）。不管怎样，我现在就结束这个，也许以后会问一个更关注 kde 的问题。
好的。顺便说一句：mwaskom 也在 SO 上，并且鉴于该问题带有 seaborn 标签，他可能会查看该问题。那我们就肯定知道了。

【解决方案2】：

我通过根据权重重新采样数据点解决了这个问题。

你可以这样做：

from random import random
from bisect import bisect

def weighted_choice(choices):
    values, weights = zip(*choices)
    total = 0
    cum_weights = []
    for w in weights:
        total += w
        cum_weights.append(total)
    x = random() * total
    i = bisect(cum_weights, x)
    return values[i]

samples = [([5, 0.5], 0.1), ([0, 10], 0.3), ([0, -4], 0.3)]
choices = np.array([weighted_choice(samples) for c in range(1000)])
sns.distributions.kdeplot(choices[:, 0], choices[:, 1], shade=True)

【讨论】：