绘制直方图，使条形高度总和为 1（概率）

Question

我想使用 matplotlib 从向量绘制归一化直方图。我尝试了以下方法：

plt.hist(myarray, normed=True)

以及：

plt.hist(myarray, normed=1)

但两个选项都不会从 [0, 1] 生成 y 轴，以使直方图的条形高度总和为 1。

Answer 1

如果您希望所有条形的总和等于单位，请按值的总数对每个 bin 进行加权：

weights = np.ones_like(myarray) / len(myarray)
plt.hist(myarray, weights=weights)

Python 2.x 的注意事项：将转换添加到 float() 的运算符之一除法，否则由于整数除法，您最终会得到零

Answer 2

如果您提出一个更完整的工作（或在本例中为非工作）示例，将会更有帮助。

我尝试了以下操作：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)

fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, rectangles = ax.hist(x, 50, density=True)
fig.canvas.draw()
plt.show()

这确实会生成一个条形图直方图，其 y 轴来自 [0,1]。

此外，根据 hist 文档（即 ipython 中的 ax.hist？），我认为总和也很好：

*normed*:
If *True*, the first element of the return tuple will
be the counts normalized to form a probability density, i.e.,
``n/(len(x)*dbin)``.  In a probability density, the integral of
the histogram should be 1; you can verify that with a
trapezoidal integration of the probability density function::

    pdf, bins, patches = ax.hist(...)
    print np.sum(pdf * np.diff(bins))

尝试一下在执行上述命令之后：

np.sum(n * np.diff(bins))

我得到了预期的 1.0 返回值。请记住，normed=True 并不意味着每个条形上的值的总和是统一的，而是表示条形上的积分是统一的。就我而言，np.sum(n) 返回大约 7.2767。

Answer 3

我知道这个答案已经太晚了，因为这个问题是 2010 年提出的，但我遇到这个问题是因为我自己也面临着类似的问题。正如答案中已经指出的，normed=True 意味着直方图下的总面积等于 1，但高度之和不等于 1。但是，为了方便直方图的物理解释，我想制作一个高度总和等于 1。

我在以下问题中找到了提示 - Python：面积标准化为 1 以外的值的直方图

但我无法找到一种方法使条形图模仿 histt​​ype="step" 功能 hist()。这将我转移到： Matplotlib - 已分箱数据的步进直方图

如果社区认为这是可以接受的，我想提出一个综合上述两篇文章的想法的解决方案。

import matplotlib.pyplot as plt

# Let X be the array whose histogram needs to be plotted.
nx, xbins, ptchs = plt.hist(X, bins=20)
plt.clf() # Get rid of this histogram since not the one we want.

nx_frac = nx/float(len(nx)) # Each bin divided by total number of objects.
width = xbins[1] - xbins[0] # Width of each bin.
x = np.ravel(zip(xbins[:-1], xbins[:-1]+width))
y = np.ravel(zip(nx_frac,nx_frac))

plt.plot(x,y,linestyle="dashed",label="MyLabel")
#... Further formatting.

这对我来说非常有效，尽管在某些情况下我注意到直方图最左边的“条”或最右边的“条”不会通过触摸 Y 轴的最低点而关闭。在这种情况下，在 y 的开头或末尾添加元素 0 可以达到必要的结果。

只是想我会分享我的经验。谢谢。

Answer 4

这是使用np.histogram（）方法的另一种简单解决方案。

myarray = np.random.random(100)
results, edges = np.histogram(myarray, normed=True)
binWidth = edges[1] - edges[0]
plt.bar(edges[:-1], results*binWidth, binWidth)

您确实可以检查总计最多1个以下总和：

> print sum(results*binWidth)
1.0

Answer 5

• 最简单的解决方案是使用 seaborn.histplot ，或 seaborn.displot 与 kind='hist'，并指定stat='probability'
  • 概率：或比例：标准化，使条形高度总和为 1
  • 密度：标准化，使直方图的总面积等于 1
  • 数据：pandas.DataFrame，numpy.ndarray、映射或序列
• seaborn是matplotlib的高级API
  • 图形级别与轴-级别功能
  • seaborn histplot 和 displot 输出不匹配
• 在 python 3.8.12 中测试、matplotlib 3.4.3、seaborn 0.11.2

导入和数据

import seaborn as sns
import matplotlib.pyplot as plt

# load data
df = sns.load_dataset('penguins')

sns.histplot

• 轴级图

# create figure and axes
fig, ax = plt.subplots(figsize=(6, 5))

p = sns.histplot(data=df, x='flipper_length_mm', stat='probability', ax=ax)

sns.displot

• 图形级图

p = sns.displot(data=df, x='flipper_length_mm', stat='probability', height=4, aspect=1.5)

Answer 6

自 matplotlib 3.0.2 起，normed=True 已弃用。为了获得所需的输出，我必须这样做：

import numpy as np
data=np.random.randn(1000)
bins=np.arange(-3.0,3.0,51)
counts, _ = np.histogram(data,bins=bins)
if density: # equivalent of normed=True
    counts_weighter=counts.sum()
else: # equivalent of normed=False
    counts_weighter=1.0
plt.hist(bins[:-1],bins=bins,weights=counts/counts_weighter)

尝试同时指定 权重 和 密度 作为 plt.hist() 的参数对我。如果有人知道在无法访问规范关键字参数的情况下实现该功能的方法，请在评论中告诉我，我将删除/修改此答案。

如果你想要 bin 中心，那么不要使用 bins[:-1]，它是 bin 边缘 - 你需要选择一个合适的方案来计算中心（这可能是也可能不是微不足道的）衍生的）。