根据百分位数绘制直方图

Posted 2023-03-11

【中文标题】根据百分位数绘制直方图

【英文标题】：Plot a histogram, based on percentiles

【发布时间】：2019-10-02 13:50:42

【问题描述】：

我有一个结构如下的框架：

df = pd.DataFrame('ID': np.random.randint(1, 13, size=1000),
                   'VALUE': np.random.randint(0, 300, size=1000))

我如何绘制图表，X 轴上会有百分位数（10%、20%、..90%） 在 Y 轴上应该有值的数量，位于百分位刻度之间，例如 20%-30% 每个 ID 都必须有一个单独的图（以及不同的百分位数）

我找到了百分位数并卡住了 q = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8] df.groupby('ID')['VALUE'].quantile(q)

我猜该图应该看起来像 VALUE 参数的直方图，但 X 轴上的百分比而不是数值

【参考方案1】：

q = [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8]

for name, group in df.groupby('ID'):  # Groupy by ID column
    _, bins = pd.qcut(group.VALUE, q, retbins=True, grid=False)  # Splits data in defined quantiles
    plt.figure()
    group.VALUE.hist(bins=bins)  # Plots histogram of data with specified bins
    ax.set_xticks(q, [f'str(x) * 100%' for x in q])  # format ticks (NOT TESTED)   
    plt.show()

这里没有捕获输出图，因为它们很多。它会生成您想要的绘图，但您还需要调整刻度和格式。

要实现标准化绘图，y 轴范围为 0-100%，您需要在绘图前标准化数据（可能类似于 group.VALUE.count() / df.VALUE.count()

【讨论】：

给我一个 ValueError: Bin 边缘必须是唯一的：array([ 7.1, 8., .....])

嗯，用你提供的样本数据测试过，无法重现

我猜这是因为在我的真实数据中的某些组中可能存在非常少量的值。我想不到 10 个

【参考方案2】：

试试：

df['Quantile'] = pd.qcut(df.VALUE, q=np.arange(0,1.1,0.1))
tmp_df = df.pivot_table(index='Quantile', columns='ID', aggfunc='count')
tmp_df.plot(kind='bar', subplots=True, figsize=(10,10))
plt.show()

输出，每个子图是每个 ID 的分位数。

【讨论】：

什么是分位数？在每个 ID 中，每个百分位数都必须有单独的值

因此，困难在于按 ID 分组 - 当我尝试对其中任何一个进行 qcut 时 - 我得到一个 ValueError “Bin 边缘必须是唯一的”，因为某些组中的值很少跨度>

查看您的垃圾箱，也许是bins = sorted(list(set(bins)))。另一个语句没有问题，它将在分组上显示为Nan，在绘图上显示为0。

@Quang Hoang...不错！！