Numpy 和 Pandas：从熊猫直方图返回直方图值？

Posted 2023-03-11

【中文标题】Numpy 和 Pandas：从熊猫直方图返回直方图值？

【英文标题】：Numpy & Pandas: Return histogram values from pandas histogram plot?

【发布时间】：2016-11-21 22:16:24

【问题描述】：

我知道我可以通过 pandas 绘制直方图：

df4 = pd.DataFrame('a': np.random.randn(1000) + 1)
df4['a'].hist()

但是如何从这样的图中检索直方图计数？

我知道我可以通过（来自Histogram values of a Pandas Series）

count,division = np.histogram(df4['a'])

但是用这个来获取df.hist()之后的count值感觉很多余。是否可以直接从 pandas 获取频率值？

【参考方案1】：

快速回答是：

pd.cut(df4['a'], 10).value_counts().sort_index()

来自documentation：

bins: integer, default 10
Number of histogram bins to be used

那么看看pd.cut(df4['a'], 10).value_counts()

您会看到这些值与 np.histogram 中的值相同

【讨论】：

@cqcn1991 我知道你更喜欢 numpy。但这是否回答了您的问题？

有点。我认为如果我们能做类似count, division = df4['a'].hist() 这样的事情会很棒。这可以更方便，不需要额外的代码。

如何索引结果值？域和范围是哪个？

【参考方案2】：

这是在 pandas 中计算直方图的另一种方法。它更复杂，但 IMO 更好，因为您避免了 pd.cut 返回的奇怪的字符串箱，这会破坏任何情节。您还将获得使用.pipe()的风格点数：

(df['a']
 .pipe(lambda s: pd.Series(np.histogram(s, range=(0, 100), bins=20)))
 .pipe(lambda s: pd.Series(s[0], index=s[1][:-1]))
)

然后您可以在最后通过管道传输更多内容，例如：

.pipe(lambda s: s/s.sum())

这会给你一个分布。

理想情况下，pd.hist 中应该有一个明智的 density 可以为您做到这一点。 Pandas 确实有一个 density=False 关键字，但它是荒谬的。我已经阅读了上千遍的解释，比如this one，但我从来不理解它，也不理解谁会真正使用它。当您在直方图上看到分数时，有 99.9% 的时间认为是“分布”，而不是 np.sum(pdf * np.diff(bins)) 实际计算的 np.sum(pdf * np.diff(bins))。让你想哭。