标签: histogram

我有一个data包含 9 个预测变量和一个ind值为 0 到 3 的指示变量的数据框。我需要为给定值为 的所有变量制作直方图ind。我已经写了一些代码；没有更好的主意，我只是将数据集分为 4 个不相交的子集。

data_no0 <- data[data$ind == 0, -1]
data_no1 <- data[data$ind == 1, -1]
data_no2 <- data[data$ind == 2, -1]
data_no3 <- data[data$ind == 3, -1]

ggplot(gather(data_no1), aes(value)) + 
  geom_histogram(bins = 6) + 
  facet_wrap(~key, scales = 'free_x')

更重要的是，我希望能够比较不同值的直方图ind，因此我想分别将 x 的最小值和最大值固定为（即第一个变量）min(data$avg_f0env_sma0)和max(data$avg_f0env_sma)。

我尝试这样做：

scales_x <- list(
  'avg_jitterlocal_sma' 
  = scale_y_continuous(limits = c(min(data$avg_jitterlocal_sma), max(data$avg_jitterlocal_sma))),
  'avg_jitterddp_sma' 
  = scale_y_continuous(limits = c(min(data$avg_jitterddp_sma), max(data$avg_jitterddp_sma))),
  'avg_shimmerlocal_sma' 
  = scale_y_continuous(limits …

考虑以下简单示例：

# E. Musk in Grunheide 
set.seed(22032022) 

# generate random numbers 
randomNumbers <- rnorm(n = 1000, mean = 10, sd = 10)

# empirical sd 
sd(randomNumbers)
#> [1] 10.34369

# histogram 
hist(randomNumbers, probability = TRUE, main = "", breaks = 50)

# just for illusatration purpose 
###
# empirical density 
lines(density(randomNumbers), col = 'black', lwd = 2)
# theortical density 
curve(dnorm(x, mean = 10, sd = 10), col = "blue", lwd = 2, add = TRUE)
###

^{由reprex 包(v2.0.1)于 …}

ax.set_axisbelow(True)可以使用或plt.rc('axes', axisbelow=True)（其他堆栈问题）将网格线设置在填充区域的图后面。但使用时alpha<1网格线也会出现在前面。有没有办法仍然隐藏网格线或应用选择性alpha混合？我正在考虑一种基于对象的方法，其中指定对象 a 和 b 之间的 alpha。

答案应该也适用于fill_between。

重现问题的示例：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(2022)
x1 = np.random.normal(0, 0.8, 1000)
x2 = np.random.normal(-2, 1, 1000)
x3 = np.random.normal(3, 2, 1000)

kwargs = dict(histtype='stepfilled', alpha=.3, density=True, bins=40)
fig, ax = plt.subplots(figsize=(9, 6))

ax.hist(x1, **kwargs)
ax.hist(x2, **kwargs)
ax.hist(x3, **kwargs)

ax.set_axisbelow(True)

ax.yaxis.grid(color='gray', linestyle='dashed')
ax.xaxis.grid(color='gray', linestyle='dashed')

这是数据:

111, 3  
122, 4  
155, 3  
192, 5  
11,  9  
123, 10  
120, 23

现在我怎么能用这两组数据绘制直方图matplotlib.请帮忙.

我想用histfit从图中得到密度曲线的方程.

我看到使用ksdensity函数可以得到一个点向量.这是最好的方法吗？

我一直在玩RMagick的color_histogram方法,以获得量化的8位图像中的颜色直方图.

然而,虽然我应该从这个方法返回一个哈希,但我得到了一些东西.检查"哈希"时IRB的输出如下所示:

=> {red=1907, green=1893, blue=2716, opacity=0=>25801, red=21141, green=14902, blue=13109, opacity=0=>3744, red=35552, green=15344, blue=8229, opacity=0=>1427, red=48734, green=19120, blue=8539, opacity=0=>1280, red=62091, green=22662, blue=8733, opacity=0=>75158, red=57917, green=33805, blue=24932, opacity=0=>275, red=47046, green=39657, blue=37365, opacity=0=>1873, red=64379, green=64336, blue=64330, opacity=0=>10442}

我在这里做错了什么想法？

您好我想将直方图分成几个不同颜色的部分.例如,蓝色值小于0.3,红色值介于0.3和0.5之间,绿色值介于0.5和0.7之间......等等.

任何的想法？

我正在尝试设计一个水平直方图,我只遇到了Mike Bostock 的垂直直方图.正如这里提到的,稍微讨厌的解决方案是对包含直方图的元素进行变换旋转.或者不使用d3.layout.histogram()并手动写出代码.在D3中有没有办法做一些事情

d3.layout.histogram().orient("left")

我有以下结构:

T = struct('Time',{20, 40, 50, 80, 120, 150, 190, 210, 250, 260, 270, 320, 350, 380, 385, 390, 395},...
           'Trial',{'correct','incorrect','incorrect','correct','correct','correct','incorrect','incorrect','correct','correct','correct','incorrect','incorrect','correct','correct','incorrect','incorrect'});

我想执行以下两个任务:

1. 我希望得到'incorrect'每100毫秒时间窗口(间隔)的概率.

   例如,对于第一个时间窗口,前100毫秒,有4个试验,2个是'incorrect'4个,所以它会是2/4 = 0.5

2. 我想绘制每个100毫秒时间窗口概率的条形图.所述x轴是时间,而每个条形的宽度将是100毫秒,其高度为用于该特定窗口的概率.

我非常感谢任何帮助.

对于数据diffs07和diffs14,在Matlab我可以通过简单地利用获得的数据分级的X和Y坐标:

[ys07, xs07] = hist(-log10(diffs07), 250);
[ys14, xs14] = hist(-log10(diffs14), 250);

在Python,但是,我无法找到一个简单的方法,所以我使用:

xs_diffs = np.linspace(0, 17, 250)
dx = xs_diffs[1]-xs_diffs[2]
ys07 = []
ys14 = []
for x in xs_diffs:
    ys07.append( len( [ ty for ty in diffs07 if (-np.log10(ty)-dx/2.0 < x and -np.log10(ty) < x+dx/2.0) ] ) ) 
    ys14.append( len( [ ty for ty in diffs14 if (-np.log10(ty)-dx/2.0 < x and -np.log10(ty) < x+dx/2.0) ] ) ) 

plt.plot(xs_diffs, ys07, 'r.', xs_diffs, …