Matplotlib 中的 bin 大小（直方图）

Posted 2023-02-14

【中文标题】Matplotlib 中的 bin 大小（直方图）

【英文标题】：Bin size in Matplotlib (Histogram)

【发布时间】：2011-10-22 15:40:36

【问题描述】：

我正在使用 matplotlib 制作直方图。

有没有办法手动设置 bin 的大小而不是 bin 的数量？

【参考方案1】：

实际上，这很简单：您可以给出一个包含 bin 边界的列表，而不是 bin 的数量。它们也可能分布不均：

plt.hist(data, bins=[0, 10, 20, 30, 40, 50, 100])

如果你只是想让它们均匀分布，你可以简单地使用 range:

plt.hist(data, bins=range(min(data), max(data) + binwidth, binwidth))

---

添加到原始答案中

以上行适用于仅填充整数的data。正如macrocosme 指出的那样，您可以使用浮点数：

import numpy as np
plt.hist(data, bins=np.arange(min(data), max(data) + binwidth, binwidth))

【讨论】：

将 range(...) 替换为 np.arange(...) 以使其与浮点数一起使用。

这里的 binwidth 是多少？你之前设置过那个值吗？

我相信这个例子中的 binwidth 可以通过：(data.max() - data.min()) / number_of_bins_you_want 找到。 + binwidth 可以更改为 1 以使其更易于理解。

进一步了解上面 CodingCat 的出色解决方案，对于浮点数据，如果您希望直方图条以整数 x-ticks 为中心，而不是在 x-ticks 处设置条形边界，请尝试以下调整： bins = np.arange(dmin - 0.5, dmax + 0.5 + binwidth, binwidth)

option lw = 5, color = "white" 或类似的在条之间插入白色间隙

【参考方案2】：

对于 N 个 bin，bin 边缘由 N+1 个值的列表指定，其中第一个 N 给出 bin 下边缘，+1 给出最后一个 bin 的上边缘。

代码：

from numpy import np; from pylab import *

bin_size = 0.1; min_edge = 0; max_edge = 2.5
N = (max_edge-min_edge)/bin_size; Nplus1 = N + 1
bin_list = np.linspace(min_edge, max_edge, Nplus1)

注意 linspace 生成从 min_edge 到 max_edge 的数组，分成 N+1 个值或 N 个 bin

【讨论】：

请注意，bin 包括其下限，不包括其上限，但 N+1（最后一个）bin 除外，它包含两个边界。

【参考方案3】：

我使用分位数来统一分类并拟合样本：

bins=df['Generosity'].quantile([0,.05,0.1,0.15,0.20,0.25,0.3,0.35,0.40,0.45,0.5,0.55,0.6,0.65,0.70,0.75,0.80,0.85,0.90,0.95,1]).to_list()

plt.hist(df['Generosity'], bins=bins, normed=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none')

【讨论】：

好主意。您可以用np.arange(0, 1.01, 0.5) 或np.linspace(0, 1, 21) 替换分位数列表。没有边缘，但我知道盒子的面积相等，但 X 轴的宽度不同？

【参考方案4】：

我想最简单的方法是计算你拥有的数据的最小值和最大值，然后计算L = max - min。然后你将L 除以所需的 bin 宽度（我假设这就是你所说的 bin 大小），并使用这个值的上限作为 bin 的数量。

【讨论】：

这正是我的想法，谢谢。只是想知道是否有更简单的方法，但这似乎找到了谢谢！

使用整数我没有用这种方法得到一个圆形的 bin 大小。有人经历过吗？

【参考方案5】：

我喜欢事情自动发生，并且让垃圾箱落在“不错”的价值上。以下似乎工作得很好。

import numpy as np
import numpy.random as random
import matplotlib.pyplot as plt
def compute_histogram_bins(data, desired_bin_size):
    min_val = np.min(data)
    max_val = np.max(data)
    min_boundary = -1.0 * (min_val % desired_bin_size - min_val)
    max_boundary = max_val - max_val % desired_bin_size + desired_bin_size
    n_bins = int((max_boundary - min_boundary) / desired_bin_size) + 1
    bins = np.linspace(min_boundary, max_boundary, n_bins)
    return bins

if __name__ == '__main__':
    data = np.random.random_sample(100) * 123.34 - 67.23
    bins = compute_histogram_bins(data, 10.0)
    print(bins)
    plt.hist(data, bins=bins)
    plt.xlabel('Value')
    plt.ylabel('Counts')
    plt.title('Compute Bins Example')
    plt.grid(True)
    plt.show()

结果的 bin 大小间隔很好。

[-70. -60. -50. -40. -30. -20. -10.   0.  10.  20.  30.  40.  50.  60.]

【讨论】：

正是我想要的！但是，在某些情况下，由于浮点精度，n_bins 会向下舍入。例如。对于desired_bin_size=0.05、min_boundary=0.850、max_boundary=2.05，n_bins 的计算变为int(23.999999999999993)，导致 23 而不是 24，因此一个 bin 太少。整数转换之前的舍入对我有用：n_bins = int(round((max_boundary - min_boundary) / desired_bin_size, 0)) + 1

【参考方案6】：

我遇到了与 OP 相同的问题（我想！），但我无法让它按照 Lastalda 指定的方式工作。我不知道我是否正确解释了这个问题，但我找到了另一种解决方案（虽然这可能是一种非常糟糕的方法）。

我就是这样做的：

plt.hist([1,11,21,31,41], bins=[0,10,20,30,40,50], weights=[10,1,40,33,6]);

这是由谁创造的：

所以第一个参数基本上“初始化”了 bin - 我专门创建了一个介于我在 bins 参数中设置的范围之间的数字。

为了证明这一点，请查看第一个参数 ([1,11,21,31,41]) 中的数组和第二个参数 ([0,10,20,30,40, 50]):

数字 1（来自第一个数组）介于 0 和 10 之间（在“bins”数组中） 数字 11（来自第一个数组）介于 11 和 20 之间（在 'bins' 数组中） 数字 21（来自第一个数组）介于 21 和 30 之间（在“bins”数组中），等等。

然后我使用 'weights' 参数来定义每个 bin 的大小。这是用于权重参数的数组：[10,1,40,33,6]。

所以 0 到 10 的 bin 的值为 10，11 到 20 的 bin 的值为 1，21 到 30 的 bin 的值为 40，以此类推。

【讨论】：

我认为您对直方图函数的工作原理有一个基本的误解。它需要原始数据。因此，在您的示例中，您的数据数组应包含 0 到 10 之间的 10 个值，10 到 20 之间的 1 个值，依此类推。然后该函数进行总结和绘图。您在上面所做的是一种解决方法，因为您已经有了总和（然后您通过滥用“权重”选项将其插入到图表中）。希望这能消除一些困惑。

【参考方案7】：

此答案支持@macrocosme 建议。

我使用热图作为 hist2d 图。此外，我使用 cmin=0.5 表示无计数值，使用 cmap 表示颜色，r 表示给定颜色的反转。

描述统计数据。

# np.arange(data.min(), data.max()+binwidth, binwidth)
bin_x = np.arange(0.6, 7 + 0.3, 0.3)
bin_y = np.arange(12, 58 + 3, 3)
plt.hist2d(data=fuel_econ, x='displ', y='comb', cmin=0.5, cmap='viridis_r', bins=[bin_x, bin_y]);
plt.xlabel('Dispalcement (1)');
plt.ylabel('Combine fuel efficiency (mpg)');

plt.colorbar();

【参考方案8】：

对于具有整数 x 值的直方图，我最终使用了

plt.hist(data, np.arange(min(data)-0.5, max(data)+0.5))
plt.xticks(range(min(data), max(data)))

0.5 的偏移量使 bin 位于 x 轴值的中心。 plt.xticks 调用为每个整数添加一个刻度。

【参考方案9】：

如果您也在查看可视化方面，您可以添加 edgecolor='white', linewidth=2 并将分箱分开：

date_binned = new_df[(new_df['k']>0)&(new_df['k']<360)]['k']
plt.hist(date_binned, bins=range(min(date_binned), max(date_binned) + binwidth, binwidth), edgecolor='white', linewidth=2)