Matplotlib의 빈 크기 (히스토그램)
답변:
실제로는 매우 쉽습니다. 빈 수 대신 빈 경계가있는 목록을 제공 할 수 있습니다. 그것들은 또한 불균등하게 분배 될 수 있습니다 :
plt.hist(data, bins=[0, 10, 20, 30, 40, 50, 100])당신이 그것들을 균등하게 분배하기를 원한다면, 간단히 range를 사용할 수 있습니다 :
plt.hist(data, bins=range(min(data), max(data) + binwidth, binwidth))원래 답변에 추가
위의 행은 data정수 로 채워진 경우에만 작동 합니다. 으로 macrocosme는 지적 수레를 위해 당신은 사용할 수 있습니다 :
import numpy as np
plt.hist(data, bins=np.arange(min(data), max(data) + binwidth, binwidth))
(data.max() - data.min()) / number_of_bins_you_want합니다. 이 예제를보다 쉽게 이해할 + binwidth수 있도록 변경 될 수 있습니다 1.
lw = 5, color = "white"또는 이와 유사한 인서트는 막대 사이에 흰색 간격을 삽입
N 빈의 경우 빈 가장자리는 N + 1 값 목록으로 지정되며, 첫 번째 N은 낮은 빈 가장자리를, +1은 마지막 빈의 상단을 나타냅니다.
암호:
from numpy import np; from pylab import *
bin_size = 0.1; min_edge = 0; max_edge = 2.5
N = (max_edge-min_edge)/bin_size; Nplus1 = N + 1
bin_list = np.linspace(min_edge, max_edge, Nplus1)
linspace는 min_edge에서 max_edge까지 배열을 N + 1 값 또는 N 구간으로 나눈다는 점에 유의하십시오.
쉬운 방법은 가지고있는 데이터의 최소 및 최대를 계산 한 다음 계산하는 것 L = max - min입니다. 그런 다음 L원하는 빈 너비로 나눕니다 (빈 크기가 의미하는 것으로 가정합니다).이 값의 상한을 빈 수로 사용하십시오.
나는 일이 자동으로 일어나고 쓰레기통이 "좋은"값으로 떨어지는 것을 좋아합니다. 다음은 꽤 잘 작동하는 것 같습니다.
import numpy as np
import numpy.random as random
import matplotlib.pyplot as plt
def compute_histogram_bins(data, desired_bin_size):
min_val = np.min(data)
max_val = np.max(data)
min_boundary = -1.0 * (min_val % desired_bin_size - min_val)
max_boundary = max_val - max_val % desired_bin_size + desired_bin_size
n_bins = int((max_boundary - min_boundary) / desired_bin_size) + 1
bins = np.linspace(min_boundary, max_boundary, n_bins)
return bins
if __name__ == '__main__':
data = np.random.random_sample(100) * 123.34 - 67.23
bins = compute_histogram_bins(data, 10.0)
print(bins)
plt.hist(data, bins=bins)
plt.xlabel('Value')
plt.ylabel('Counts')
plt.title('Compute Bins Example')
plt.grid(True)
plt.show()
결과는 빈 크기 간격마다 빈이 있습니다.
[-70. -60. -50. -40. -30. -20. -10. 0. 10. 20. 30. 40. 50. 60.]
desired_bin_size=0.05, min_boundary=0.850, max_boundary=2.05의 계산 n_bins하게 int(23.999999999999993)되는 결과 23 대신 24 때문에 한 빈 너무 적다. 정수 변환하기 전에 반올림은 나를 위해 일한 :n_bins = int(round((max_boundary - min_boundary) / desired_bin_size, 0)) + 1
용기를 균일하게하고 샘플에 맞게 Quantile을 사용합니다.
bins=df['Generosity'].quantile([0,.05,0.1,0.15,0.20,0.25,0.3,0.35,0.40,0.45,0.5,0.55,0.6,0.65,0.70,0.75,0.80,0.85,0.90,0.95,1]).to_list()
plt.hist(df['Generosity'], bins=bins, normed=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none')
np.arange(0, 1.01, 0.5)또는로 바꿀 수 np.linspace(0, 1, 21)있습니다. 가장자리가 없지만 상자의 면적이 동일하지만 X 축의 너비가 다르다는 것을 알고 있습니까?
OP와 같은 문제가 있었지만 Lastalda가 지정한 방식으로 작동하지 못했습니다. 나는 질문을 올바르게 해석했는지 알지 못하지만 다른 해결책을 찾았습니다 (아마도 그것을하는 것은 정말 나쁜 방법 일 것입니다).
이것이 내가 한 방식입니다.
plt.hist([1,11,21,31,41], bins=[0,10,20,30,40,50], weights=[10,1,40,33,6]);
이것은 이것을 만듭니다 :
따라서 첫 번째 매개 변수는 기본적으로 bin을 초기화합니다. 특히 bins 매개 변수에서 설정 한 범위 사이의 숫자를 만듭니다.
이를 설명하려면 첫 번째 매개 변수 ([1,11,21,31,41])의 배열과 두 번째 매개 변수 ([0,10,20,30,40,50])의 'bins'배열을 살펴보십시오. :
- 첫 번째 배열의 숫자 1은 0과 10 사이입니다 ( 'bins'배열에 있음)
- 숫자 11 (첫 번째 배열에서)은 11에서 20 사이 ( 'bins'배열에 있음)
- 숫자 21 (첫 번째 배열에서)은 21에서 30 사이 ( 'bins'배열에 있음) 등입니다.
그런 다음 'weights'매개 변수를 사용하여 각 빈의 크기를 정의합니다. 가중치 매개 변수에 사용되는 배열입니다 : [10,1,40,33,6].
따라서 0 ~ 10 빈에는 값 10이 주어지고 11 ~ 20 빈에는 1의 값이 주어지고 21 ~ 30 빈에는 40의 값이 주어집니다.