ヒストグラムMatplotlib

だから私は少し問題があります。scipyに既にヒストグラム形式のデータセットがあるので、ビンの中心とビンあたりのイベント数を取得しました。どうすればヒストグラムとしてプロットできますか？ただやってみた

bins, n=hist()

しかし、それはそれが好きではありませんでした。何かお勧めですか？

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()

オブジェクト指向のインターフェースも簡単です。

fig, ax = plt.subplots()
ax.bar(center, hist, align='center', width=width)
fig.savefig("1.png")

カスタム（非定数）ビンを使用している場合は、を使用して幅を計算し、幅をnp.diffに渡して、ビンのエッジにラベルを付けるためにax.bar使用できax.set_xticksます。

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()

バーが必要ない場合は、次のようにプロットできます。

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()

これであなたの質問に答えられないことはわかっていますが、ヒストグラムのmatplotlibソリューションを検索すると、単純histogram_demoにmatplotlibサンプルギャラリーページから削除されたため、常にこのページに行き着きます。

以下は、numpyインポートする必要のないソリューションです。numpyのみをインポートxして、プロットするデータを生成します。@unutbuによる回答のように、hist関数ではなく関数に依存します。bar

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')

また、matplotlibギャラリーとmatplotlibの例も確認してください。

使用したい場合pandas：

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

これは誰かに役立つかもしれないと思います。

Numpyのヒストグラム関数は、私に不快感を与えます（ただし、その正当な理由はあると思いますが）、ビンの値ではなく、各ビンのエッジを返します。これは、間隔内にある可能性のある浮動小数点数（つまり、中心値はあまり意味がない）には意味がありますが、離散値または整数（0、1、2など）を処理する場合、望ましい出力ではありません。 。特に、np.histogramから返されるビンの長さは、カウントの長さ/密度と等しくありません。

これを回避するために、np.digitizeを使用して入力を量子化し、各ビンのカウントの割合とともに、ビンの離散数を返しました。簡単に編集して、整数のカウントを取得できます。

def compute_PMF(data)
    import numpy as np
    from collections import Counter
    _, bins = np.histogram(data, bins='auto', range=(data.min(), data.max()), density=False)
    h = Counter(np.digitize(data,bins) - 1)
    weights = np.asarray(list(h.values())) 
    weights = weights / weights.sum()
    values = np.asarray(list(h.keys()))
    return weights, values
####

参照：

[1] https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html

[2] https://docs.scipy.org/doc/numpy/reference/generated/numpy.digitize.html