Pandas 系列的直方图值

Posted 2023-03-11

【中文标题】Pandas 系列的直方图值

【英文标题】：Histogram values of a Pandas Series

【发布时间】：2012-10-19 05:44:20

【问题描述】：

我在 Python Pandas 系列中有一些值（类型：pandas.core.series.Series）

In [1]: series = pd.Series([0.0,950.0,-70.0,812.0,0.0,-90.0,0.0,0.0,-90.0,0.0,-64.0,208.0,0.0,-90.0,0.0,-80.0,0.0,0.0,-80.0,-48.0,840.0,-100.0,190.0,130.0,-100.0,-100.0,0.0,-50.0,0.0,-100.0,-100.0,0.0,-90.0,0.0,-90.0,-90.0,63.0,-90.0,0.0,0.0,-90.0,-80.0,0.0,])

In [2]: series.min()
Out[2]: -100.0

In [3]: series.max()
Out[3]: 950.0

我想获取直方图的值（不需要绘制直方图）...我只需要获取每个间隔的频率。

假设我的时间间隔从 [-200; -150] 至 [950； 1000]

所以下界是

lwb = range(-200,1000,50)

上限是

upb = range(-150,1050,50)

我现在不知道如何获取频率（每个区间内的值的数量）... 我确定没有必要定义 lwb 和 upb ......但我不知道是什么 我应该用来执行此操作的功能！ （在 Pandas doc 中潜水后，我认为 cut 函数可以帮助我，因为这是一个离散化问题......但我不明白如何使用它）

能做到这一点后，我再看看直方图的显示方式（不过那是另外一个问题了）

【问题讨论】：

“系列”的单数是“系列”：ell.stackexchange.com/questions/23268/…

【参考方案1】：

你只需要使用NumPy的histogram函数即可：

import numpy as np
count, division = np.histogram(series)

其中除法是自动计算的垃圾箱边界，计数是每个垃圾箱内的人口。

如果需要固定一定数量的 bins，可以使用参数 bins 并指定 bins 的数量，或者直接给它每个 bin 之间的边界。

count, division = np.histogram(series, bins = [-201,-149,949,1001])

要绘制结果，您可以使用 matplotlib 函数 hist，但如果您在 pandas 中工作，每个系列都有自己的 hist 函数句柄，您可以给它选择的分箱：

series.hist(bins=division)

---

编辑： 正如另一张海报所提到的，Pandas 是建立在NumPy 之上的。由于 OP 明确使用Pandas，我们可以通过访问NumPy 到Pandas 来取消额外的导入：

count, division = pd.np.histogram(series)

【讨论】：

@FemtoTrader - Pandas 建立在 numpy 之上！！！ ***.com/questions/11077023/… :-)

请注意，pd.np 已弃用。请直接导入numpy :)

【参考方案2】：

为了获得给定区间分箱范围内的值的频率计数，我们可以使用pd.cut，它返回每个元素的半开箱的索引以及value_counts，用于计算它们各自的计数。

为了绘制它们的计数，可以制作条形图。

step = 50
bin_range = np.arange(-200, 1000+step, step)
out, bins  = pd.cut(s, bins=bin_range, include_lowest=True, right=False, retbins=True)
out.value_counts().plot.bar()

按计数降序排列的每个区间的频率：

out.value_counts().head()
[-100, -50)    18
[0, 50)        16
[800, 850)      2
[-50, 0)        2
[950, 1000)     1
dtype: int64

---

要修改绘图以仅包含范围的较低闭合区间以达到审美目的，您可以这样做：

out.cat.categories = bins[:-1]
out.value_counts().plot.bar()

【参考方案3】：

如果您说要获取直方图的值，那么您只是在寻找系列中每个唯一值的频率，如果我没记错的话。在这种情况下，您可以简单地执行serie.value_counts()，这将为您提供：

 0.0      16
-90.0      8
-100.0     5
-80.0      3
 63.0      1
-50.0      1
 130.0     1
 190.0     1
 840.0     1
-48.0      1
 208.0     1
-64.0      1
 812.0     1
-70.0      1
 950.0     1

【讨论】：

关闭 - 但直方图正在寻找每个 bin 中的频率，其中可能包含多个唯一值。例如，-50 和 -48 可能在同一个 bin 中。 OP 的问题指定他的直方图有间隔为 50 的 bin。