如何计算密度直方图中的高度(它们的总和不等于 1)?
Posted
技术标签:
【中文标题】如何计算密度直方图中的高度(它们的总和不等于 1)?【英文标题】:How are the heights in a density histogram calculated (they don't sum up to 1)? 【发布时间】:2022-01-21 09:14:39 【问题描述】:我想通过绘制 distplot 来可视化数据。
我有下面的python代码,但我不明白如何计算y轴
为什么x=2对应y=0.3,x=1对应y=0.6? 谁能帮我计算公式?
import seaborn as sns
l = [1,3,2,1,3]
sns.distplot(l, kde=True, bins=3)
【问题讨论】:
【参考方案1】:probability density function (pdf in short) 仅对连续分布有意义,对离散分布没有意义,尤其是在只有几个值的情况下。
当值是离散的时,应避免bin边界与值重合,以避免边界处的值准任意落入一个bin或另一个。
如果设置bins=3
,则计算4个边界,平均分布在最小和最大x之间,所以在1, 1.667, 2.33, 3
。对于离散分布,这不是一个好的选择。更好的选择是0.5, 1.5, 2.5, 3.5
。添加参数discrete=True
会自动选择这些边界,但仅限于distplot
的新版本,即histplot
。
如果您设置stat='density'
,直方图的总面积(或kde,是连续 pdf 的近似值)将为1。使用discrete=False
,垃圾箱是0.667
宽。要获得 1 的 面积,高度的总和应为 1/0.667=1.5
(sum(heights)*width = 1
)。这个度量在这里没有多大意义(在 1 和 1.667 之间,概率为 0.6*0.667 等)。对于宽度为1
的箱子,高度应该与1
(sum(heights)*width = 1
) 差不多。这里的高度表示每个值的比例(1的概率为0.4,2的概率为0.2)。
以下代码将stat='density'
与discrete=True
与False
进行比较。
import matplotlib.pyplot as plt
import seaborn as sns
l = [1, 3, 2, 1, 3]
fig, (ax1, ax2) = plt.subplots(ncols=2, figsize=(10, 4))
sns.histplot(l, bins=3, discrete=False, stat='density', ax=ax1)
ax1.set_title('the default (discrete=False)')
sns.histplot(l, bins=3, discrete=True, stat='density', ax=ax2)
ax2.set_title('with discrete=True')
【讨论】:
【参考方案2】:请注意seaborn.distplot
已弃用,请改用seaborn.displot
(不带t)。
它会默认显示计数,而不是像您的问题中那样显示 密度:
import seaborn as sns
l = [1,3,2,1,3]
sns.displot(l, kde=True, bins=3)
输出:
也就是说,如果你想拥有密度(意味着条形的总面积为 1),请添加 stat='density'
参数:
import seaborn as sns
l = [1,3,2,1,3]
sns.displot(l, kde=True, bins=3, stat="density")
【讨论】:
“也就是说,如果你想要密度(意味着所有条的总和为 1)”是错误的 - 条的 面积 将等于 1密度图。 (请注意,在您的示例中,总和约为 1.5)。 @mwaskom 你是对的,我这边的监督!以上是关于如何计算密度直方图中的高度(它们的总和不等于 1)?的主要内容,如果未能解决你的问题,请参考以下文章