直方图Matplotlib

Question

所以我有一点问题.我有一个scipy的数据集已经是直方图格式,所以我有bin的中心和每个bin的事件数.我现在如何绘制直方图.我试着做

bins, n=hist()

但它不喜欢那样.有什么建议？

Answer 1

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")

如果您使用自定义(非常量)分档,则可以使用计算宽度np.diff,将宽度传递给ax.bar并用于ax.set_xticks标记分箱边缘:

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()

Answer 2

如果您不想要酒吧,可以像这样绘制:

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()

Answer 3

我知道这不能回答你的问题,但是当我搜索直方图的matplotlib解决方案时,我总是在这个页面上结束,因为简单histogram_demo从matplotlib示例库页面中删除了.

这是一个解决方案,不需要numpy导入.我只导入numpy来生成x要绘制的数据.它依赖于函数hist而不是@unutbu bar的答案中的函数.

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')

另请参阅matplotlib库和matplotlib示例.

Answer 4

我刚刚意识到该hist文档明确说明了当您已经拥有一个时该怎么做np.histogram

counts, bins = np.histogram(data)
plt.hist(bins[:-1], bins, weights=counts)

这里重要的部分是您的计数只是权重。如果你这样做了，你就不再需要 bar 函数了

Answer 5

如果你愿意使用pandas:

pandas.DataFrame({'x':hist[1][1:],'y':hist[0]}).plot(x='x',kind='bar')

Answer 6

从 matplotlib 3.4.0 开始

new plt.stairs(或ax.stairs) 直接与 一起使用np.histogram：

• np.histogram返回计数和边缘
• plt.stairs接受计数和边缘

例如，给定 unutbu 的样本x = 100 + 15 * np.random.randn(10000)：

counts, edges = np.histogram(x, bins=50)
plt.stairs(counts, edges, fill=True)

或者，np.histogram直接解压到plt.stairs：

plt.stairs(*np.histogram(x, bins=50), fill=True)

有关如何使用楼梯图的更多示例，请参阅官方 matplotlib 库。