如何在 matplotlib 直方图中选择 bin

Posted 2023-02-23

【中文标题】如何在 matplotlib 直方图中选择 bin

【英文标题】：How to choose bins in matplotlib histogram

【发布时间】：2016-02-01 05:04:54

【问题描述】：

有人可以向我解释直方图中的“bins”是什么（matplotlib hist 函数）吗？假设我需要绘制一些数据的概率密度函数，我选择的 bin 如何影响它？我该如何选择它们？ （我已经在 matplotlib.pyplot.hist 和 numpy.histogram 库中阅读过它们，但我不明白）

【参考方案1】：

要补充jakes answer，您可以使用 numpy.histogram_bin_edges 如果您只想计算最佳 bin 边缘，而不实际执行直方图。 histogram_bin_edges 是专为优化 bin 边缘计算而设计的函数。您可以选择七种不同的算法进行优化。

【参考方案2】：

您认为 bin 的数量对近似真实基础分布有重大影响是正确的。我自己没有读过原论文，但根据Scott 1979，一个好的经验法则是使用：

R(n^(1/3))/(3.49σ)

在哪里

R 是数据范围（在您的情况下 R = 3-(-3)= 6），

n为样本数，

σ 是您的标准偏差。

【参考方案3】：

bins 参数告诉您数据将被分成多少个 bin。您可以将其指定为整数或 bin 边缘列表。

例如，这里我们要求 20 个箱子：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)
plt.hist(x, bins=20)

这里我们要求位置 [-4, -3, -2... 3, 4] 的 bin 边缘。

plt.hist(x, bins=range(-4, 5))

您关于如何选择“最佳”数量的垃圾箱的问题是一个有趣的问题，实际上有相当多的关于该主题的文献。已经提出了一些常用的经验法则（例如Freedman-Diaconis Rule、Sturges' Rule, Scott's Rule, the Square-root rule 等），每个都有自己的优点和缺点。

如果您想要一个很好的 Python 实现各种这些自动调整直方图规则，您可以查看最新版本的 AstroPy 包described here 中的直方图功能。 这就像plt.hist 一样工作，但允许您使用类似的语法，例如hist(x, bins='freedman') 用于通过上述 Freedman-Diaconis 规则选择垃圾箱。

我个人最喜欢的是“贝叶斯块”(bins="blocks")，它解决了 不等 分箱宽度的最佳分箱问题。您可以阅读更多关于 here 的内容。

---

编辑，2017 年 4 月：使用 matplotlib 2.0 或更高版本和 numpy 1.11 或更高版本，您现在可以直接在 matplotlib 中指定自动确定的 bin，通过指定，例如bins='auto'。这使用了 Sturges 和 Freedman-Diaconis bin 选择的最大值。您可以在numpy.histogram docs 中阅读有关选项的更多信息。

【讨论】：

非常感谢！我的数据大约有 10 万个点，我需要绘制它的概率密度函数。因为我的数据有很多小数字，所以我使用了这个： bin_size = 0.1; min_edge = -5.; max_edge = 5. N = (max_edge-min_edge)/bin_size; Nplus1 = N + 1 bins = np.linspace(min_edge, max_edge, Nplus1)

如果在 Matplotlib 或 NumPy 或 SciPy 或 Pandas 或其他标准数据科学包之一中也能自动进行不等分箱，那就太好了。

【参考方案4】：

Bins 是您希望将所有数据划分为的区间数，以便在直方图上显示为条形。计算适合多少个 bin 的一种简单方法是取分布中值总数的平方根。