直方图Matplotlib
所以我有一个小问题。 我有一个已经在直方图格式的scipy数据集，所以我有bin的中心和每个bin的事件数量。 我现在如何绘制直方图。 我只是试着做
bins, n=hist() 但它不是那样的。 任何build议？
import matplotlib.pyplot as plt import numpy as np mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) hist, bins = np.histogram(x, bins=50) width = 0.7 * (bins[1] - bins[0]) center = (bins[:-1] + bins[1:]) / 2 plt.bar(center, hist, align='center', width=width) plt.show()
面向对象的接口也很简单：
fig, ax = plt.subplots() ax.bar(center, hist, align='center', width=width) fig.savefig("1.png")
如果您使用的是自定义（非常量） np.diff ，则可以使用np.diff传递计算宽度，将宽度传递给ax.bar并使用ax.set_xticks标记容器边缘：
import matplotlib.pyplot as plt import numpy as np mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) bins = [0, 40, 60, 75, 90, 110, 125, 140, 160, 200] hist, bins = np.histogram(x, bins=bins) width = np.diff(bins) center = (bins[:-1] + bins[1:]) / 2 fig, ax = plt.subplots(figsize=(8,3)) ax.bar(center, hist, align='center', width=width) ax.set_xticks(bins) fig.savefig("/tmp/out.png") plt.show()
如果你不想要酒吧，你可以这样绘制它：
import numpy as np import matplotlib.pyplot as plt mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) bins, edges = np.histogram(x, 50, normed=1) left,right = edges[:-1],edges[1:] X = np.array([left,right]).T.flatten() Y = np.array([bins,bins]).T.flatten() plt.plot(X,Y) plt.show()
如果你愿意/愿意使用pandas：
pandas.DataFrame({'x':hist[1][1:],'y':hist[0]}).plot(x='x',kind='bar')
我知道这不能回答你的问题，但是当我searchmatplotlib解决scheme到直方图时，我总是在这个页面上结束，因为简单的histogram_demo已经从matplotlib示例库页面中删除了。
这是一个解决scheme，不需要导入numpy 。 我只导入numpy来生成要绘制的数据x 。 它依赖于函数hist而不是@unutbu的回答中的functionbar 。
import numpy as np mu, sigma = 100, 15 x = mu + sigma * np.random.randn(10000) import matplotlib.pyplot as plt plt.hist(x, bins=50) plt.savefig('hist.png')
另外检查一下matplotlib库和matplotlib的例子 。
我认为这可能对某人有用。
Numpy的直方图function，让我烦恼（虽然，我明白这是一个很好的理由），返回每个bin的边缘，而不是bin的值。 虽然这对浮点数是有意义的，这些浮点数可能位于一个区间内（即中心值不是超有意义的），但在处理离散值或整数（0,1,2等）时，这不是所需的输出， 。 特别是从np.histogram返回的bin的长度不等于count / density的长度。
为了解决这个问题，我使用了np.digitize来量化input，并返回离散数量的分箱，以及每个分箱的部分计数。 你可以很容易地编辑获得整数的计数。
def compute_PMF(data) import numpy as np from collections import Counter _, bins = np.histogram(data, bins='auto', range=(data.min(), data.max()), density=False) h = Counter(np.digitize(data,bins) - 1) weights = np.asarray(list(h.values())) weights = weights / weights.sum() values = np.asarray(list(h.keys())) return weights, values ####
参考文献：
[1] https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html
[2] https://docs.scipy.org/doc/numpy/reference/generated/numpy.digitize.html
最好的方法是：
x.hist（y，20）
这是假定x是你想要做成直方图的任何数据的名称，y是你想要做的数据的列（在一个matrix中），20是你想要在你的直方图中的bin的数量。
我发现这个方法比其他的更容易和更短。 希望它有帮助！
