如何在matplotlib直方图中选择bin

Question

有人可以向我解释直方图中的"bins"是什么(matplotlib hist函数)？假设我需要绘制一些数据的概率密度函数,我选择的箱子如何影响那个？我该如何选择它们？(我已经在matplotlib.pyplot.hist和numpy.histogram库中读过它们,但我没有得到这个想法)

Answer 1

该bins参数告诉您数据将被分成的区域数.您可以将其指定为整数或bin边缘列表.

例如,这里我们要20个箱子:

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)
plt.hist(x, bins=20)

在这里,我们要求位置[-4,-3,-2 ... 3,4]处的bin边缘.

plt.hist(x, bins=range(-4, 5))

关于如何选择"最佳"箱数的问题是一个有趣的问题,实际上有关于这个主题的大量文献.已经提出了一些常用的经验法则(例如,Freedman-Diaconis规则,Sturges规则,Scott规则,平方根规则等),每个规则都有自己的优点和缺点.

如果你想要一个很好的Python实现各种这些自动调整直方图规则,你可以在最新版本的AstroPy包中查看直方图功能,如下所述.这就像plt.hist,但是让你使用语法,例如hist(x, bins='freedman')通过上面提到的Freedman-Diaconis规则选择bin.

我个人最喜欢的是"贝叶斯块"(bins="blocks"),它解决了具有不相等的箱宽度的最佳装箱.你可以在这里阅读更多内容.

编辑,2017年4月:使用matplotlib版本2.0或更高版本以及numpy版本1.11或更高版本,您现在可以通过指定,例如,直接在matplotlib中指定自动确定的bin bins='auto'.这使用了Sturges和Freedman-Diaconis bin的最大选择.您可以在numpy.histogram文档中阅读有关选项的更多信息.

Answer 2

Bins 是您想要将所有数据划分成的间隔数，以便它可以在直方图上显示为条形。计算合适的 bin 数量的一种简单方法是取分布中值总数的平方根。

Answer 3

要补充jakes answer，numpy.histogram_bin_edges如果您只想计算最佳 bin 边缘，而不实际执行直方图，则可以使用 。 histogram_bin_edges是专门为优化计算 bin 边缘而设计的函数。您可以选择七种不同的算法进行优化。