根据 Matplotlib 中的预计数数据绘制直方图

Posted 2023-02-14

【中文标题】根据 Matplotlib 中的预计数数据绘制直方图

【英文标题】：Plotting a histogram from pre-counted data in Matplotlib

【发布时间】：2013-10-13 07:09:59

【问题描述】：

我想使用 Matplotlib 在预先计算的数据上绘制直方图。例如，假设我有原始数据

data = [1, 2, 2, 3, 4, 5, 5, 5, 5, 6, 10]

鉴于这些数据，我可以使用

pylab.hist(data, bins=[...])

绘制直方图。

在我的例子中，数据已被预先计算并表示为字典：

counted_data = 1: 1, 2: 2, 3: 1, 4: 1, 5: 4, 6: 1, 10: 1

理想情况下，我想将这个预先计算的数据传递给一个直方图函数，让我可以控制 bin 宽度、绘图范围等，就好像我传递了原始数据一样。作为一种解决方法，我将我的计数扩展到原始数据：

data = list(chain.from_iterable(repeat(value, count)
            for (value, count) in counted_data.iteritems()))

当counted_data 包含数百万个数据点的计数时，这是低效的。

有没有更简单的方法可以使用 Matplotlib 从我预先计算的数据中生成直方图？

或者，如果只对预先分箱的条形图数据进行最简单的处理，是否有一种方便的方法可以将我的每项计数“汇总”到分箱计数中？

【问题讨论】：

附注：要将计数扩展到原始数据，您还可以使用Counter 类及其elements() 方法：from collections import Counterc = Counter(counted_data)data = list(c.elements())

【参考方案1】：

您可以将weights 关键字参数用于np.histgram（plt.hist 在下面调用）

val, weight = zip(*[(k, v) for k,v in counted_data.items()])
plt.hist(val, weights=weight)

假设你只有有整数作为键，你也可以直接使用bar：

min_bin = np.min(counted_data.keys())
max_bin = np.max(counted_data.keys())

bins = np.arange(min_bin, max_bin + 1)
vals = np.zeros(max_bin - min_bin + 1)

for k,v in counted_data.items():
    vals[k - min_bin] = v

plt.bar(bins, vals, ...)

其中 ... 是您想要传递给 bar (doc) 的任何参数

如果您想重新分类您的数据，请参阅Histogram with separate list denoting frequency

【讨论】：

感谢指向weights 选项的指针；我忽略了它，但它完美地解决了我的问题（见我的回答）。

我没有建立这种联系（直接使用bar 蒙蔽了双眼）。已编辑以反映您的评论。

【参考方案2】：

我使用pyplot.hist 的weights 选项按每个键的值加权，生成我想要的直方图：

pylab.hist(counted_data.keys(), weights=counted_data.values(), bins=range(50))

这让我可以依靠 hist 重新打包我的数据。

【讨论】：

你获取数据的方式比我的更有意义。如果您接受自己的答案，我可以接受。

这是我需要的线索。就我而言，我有一个计数列表和 bin 范围：plt.hist(bins, bins=len(bins), weights=counts) 是我需要的调用

警告词：我注意到如果 bin 的大小不同，并且使用 density=True，这会给出不正确的结果。可能不是错误，而是 pdf 和 cdf 之间的数学差异。

【参考方案3】：

您还可以使用 seaborn 绘制直方图：

import seaborn as sns

sns.distplot(
    list(
        counted_data.keys()
    ), 
    hist_kws=
        "weights": list(counted_data.values())
    
)

【参考方案4】：

“bins”数组的长度应该比“counts”的长度长。以下是完全重建直方图的方法：

import numpy as np
import matplotlib.pyplot as plt
bins = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]).astype(float)
counts = np.array([5, 3, 4, 5, 6, 1, 3, 7]).astype(float)
centroids = (bins[1:] + bins[:-1]) / 2
counts_, bins_, _ = plt.hist(centroids, bins=len(counts),
                             weights=counts, range=(min(bins), max(bins)))
plt.show()
assert np.allclose(bins_, bins)
assert np.allclose(counts_, counts)

【参考方案5】：

添加到 tacaswell 的评论中，plt.bar 可以比plt.hist 更有效地处理大量垃圾箱 (>1e4)。特别是对于一个拥挤的随机图，您只需要绘制最高的条，因为看到它们所需的宽度无论如何都会覆盖它们的大部分邻居。您可以选择最高的条形图并用

i, = np.where(vals > min_height)
plt.bar(i,vals[i],width=len(bins)//50)

其他统计趋势可能更喜欢每隔 100 个柱或类似的东西绘制一次。

这里的技巧是 plt.hist 想要绘制所有的 bin，而 plt.bar 会让你只绘制更稀疏的可见 bin 集。