matplotlib/pandas 中是不是有参数将直方图的 Y 轴作为百分比？

Posted 2023-03-11

【中文标题】matplotlib/pandas 中是不是有参数将直方图的 Y 轴作为百分比？

【英文标题】：Is there a parameter in matplotlib/pandas to have the Y axis of a histogram as percentage?matplotlib/pandas 中是否有参数将直方图的 Y 轴作为百分比？

【发布时间】：2013-07-26 07:02:09

【问题描述】：

我想比较两个直方图，让 Y 轴显示每列占整个数据集大小的百分比，而不是绝对值。那可能吗？我正在使用熊猫和 matplotlib。 谢谢

【问题讨论】：

将normed=True 添加到您的plt.hist()。

谢谢！由于某种原因，该选项未记录在 pandas.pydata.org/pandas-docs/dev/generated/… 中。但是，我在 Y 轴上得到的值等于且大于 1（例如 1.4）。知道这怎么可能吗？我的直觉是，一旦标准化，值应该在 0-1 之间。

第二个问题！

不推荐使用“规范”kwarg，并已被“密度”取代

【参考方案1】：

density=True（normed=True for matplotlib < 2.2.0）返回一个直方图，其中np.sum(pdf * np.diff(bins)) 等于 1。如果您希望直方图的总和为 1，您可以使用 Numpy 的 histogram() 并自己标准化结果.

x = np.random.randn(30)

fig, ax = plt.subplots(1,2, figsize=(10,4))

ax[0].hist(x, density=True, color='grey')

hist, bins = np.histogram(x)
ax[1].bar(bins[:-1], hist.astype(np.float32) / hist.sum(), width=(bins[1]-bins[0]), color='grey')

ax[0].set_title('normed=True')
ax[1].set_title('hist = hist / hist.sum()')

顺便说一句：左侧绘图的第一个 bin 出现奇怪的绘图故障。

【讨论】：

太棒了（也是如何使用子图的一个很好的例子）

你能解释一下为什么熊猫会这样吗？我有点困惑。我想大多数人会选择 sum =1 的方式。

normed 在 matplotlib 2.2.0 版中已弃用；请改用 density 关键字参数。 matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html

参数density=True 不会按总计数对直方图进行归一化。也就是说，条形的高度之和不会为 1（而是当density=True 时，高度*宽度之和为 1，这不是人们说规范化直方图时的想法）。要标准化直方图，请参阅此github.com/matplotlib/matplotlib/issues/10398/… 或此***.com/a/16399202

有趣的是normed=True 已被弃用。这是一个直观且有用的参数；我以前经常使用它。

【参考方案2】：

Pandas 绘图可以接受来自相应 matplotlib 函数的任何额外关键字参数。因此，为了从这里其他人的 cmets 中获得完整性，这就是人们将如何做到的：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(100,2), columns=list('AB'))

df.hist(density=1)

另外，为了直接比较，这也可能是一个好方法：

df.plot(kind='hist', density=1, bins=20, stacked=False, alpha=.5)

【参考方案3】：

看起来像@CarstenKönig found the right way：

df.hist(bins=20, weights=np.ones_like(df[df.columns[0]]) * 100. / len(df))

【讨论】：

我认为100 放错了位置。正确的版本是df.hist(bins=20, weights=np.ones_like(df[df.columns[0]]) * 100. / len(df))，以防你想到的是从 0 到 100 的数字。

确实如此。接得好！已更正。

【参考方案4】：

我知道这个答案是 6 年后的事，但对于任何使用密度 = True（normed = True 的替代品）的人来说，这并不是你想做的。它将对整个分布进行归一化，使箱的面积为 1。因此，如果您有更多宽度 1（y 轴）。如果您想将直方图绑定到 [0;1]，则必须自己计算。

【讨论】：

这也是我发现的

或者可能是df["col"].plot.hist(ax=ax, cumulative=true, weights=list(100*numpy.ones_like(df.index)/len(df.index))) 和ax.yaxis.set_major_formatter(plt.FuncFormatter(':.0f%'.format)) 之类的东西。不是在公园里散步，但可以工作。

【参考方案5】：

您可以使用 np.ones_like() 来简化权重：

df["ColumnName"].plot.hist(weights = np.ones_like(df.index) / len(df.index))

np.ones_like() 可以使用 df.index 结构 len(df.index) 对于大型 DataFrame 更快

【讨论】：

由于某种原因，该命令给了我错误ValueError: weights should have the same shape as x (matplotlib 3.0.3)。对我有用的命令是df["ColumnName"].plot.hist(weights = list(np.ones_like(df.index) / len(df.index)))

【参考方案6】：

我知道这是一个老问题，但它在某些搜索中显示在顶部，所以我认为从 2021 年开始，seaborn 将是一个简单的方法。

你可以这样做：

import seaborn as sns
sns.histplot(df,stat="probability")