基于matplotlib的离散值直方图

Question

有时，我不得不用matplotlib直方图离散值。在这种情况下，选择二进制可能是至关重要的:如果您使用10桶直方图0、1、2、3、4、5、6、7、8、9、10，那么其中一个回收箱的数量将是其他的两倍。在其他术语中，绑定大小通常应该是离散化大小的倍数。

虽然这个简单的例子比较容易自己处理，但是是否有一个指向库/函数的指针可以自动处理这个问题，包括浮点数据，其中离散化的大小可能由于FP四舍五入而略有变化？

谢谢。

Answer 1

考虑到你问题的标题，我假设离散化的大小是恒定的。

您可以找到这个离散化大小(或者至少严格地说，n是这个大小的一倍，因为您的数据中可能没有两个相邻的样本)

np.diff(np.unique(data)).min()

这会在您的数据(np.unique)中找到唯一的值，找出当时(np.diff)之间的差异。唯一是必需的，这样你就不会得到零值。然后找出最小的差别。在离散化常数非常小的情况下，可能会出现问题--我将回到这个问题上。

接下来--您希望值位于bin的中间--您当前的问题是，9和10都位于matplotlib自动提供的最后一个bin的边缘，因此在一个bin中可以得到两个样本。

所以-试试这个：

import matplotlib.pyplot as plt
import numpy as np

data = range(11)
data = np.array(data)

d = np.diff(np.unique(data)).min()
left_of_first_bin = data.min() - float(d)/2
right_of_last_bin = data.max() + float(d)/2
plt.hist(data, np.arange(left_of_first_bin, right_of_last_bin + d, d))
plt.show()

这意味着：

​

​

小非整数离散化

我们可以多做一些测试数据集。

import random 

data = []
for _ in range(1000):
    data.append(random.randint(1,100))
data = np.array(data)
nasty_d = 1.0 / 597 #Arbitrary smallish discretization
data = data * nasty_d

如果您然后在上面的数组中运行它，并查看代码所吐出的d，您将看到

打印(Nasty_d) 0.0016750418760469012 >>>打印(D) 0.00167504187605

因此，d的检测值不是数据创建时使用的nasty_d的“真实”值。然而--用将d的一半移动到中间值的技巧，这并不重要，，除非您的离散化非常小，所以在浮动或的精度限制范围内，您有1000 s的回收箱，检测到的d和“真正的”离散化之间的区别可以达到这样的程度，即其中一个垃圾箱“错过”了数据点。这是需要注意的事情，但很可能不会打到你。

上面的一个例子是

​

​

非均匀离散/最合适的垃圾箱..。

对于更复杂的情况，您可能想看看我发现这篇博文。在开发自己的贝叶斯动态规划方法之前，参考多个标准技术(如斯特奇斯规则与弗里德曼与狄科尼斯规则 )，从(连续/准连续)数据中自动“学习”最佳装箱宽度的方法。

如果这是您的用例--这个问题要广泛得多，可能不适合在堆栈溢出的情况下给出明确的答案，尽管希望链接会有所帮助。

Answer 2

也许这是一个比理查德·斯内普更不完整的答案，但这是我最近学到的，而且我发现了直观和简单的答案。

import numpy as np
import matplotlib.pyplot as plt

# great seed
np.random.seed(1337)

# how many times will a fair die land on the same number out of 100 trials.
data = np.random.binomial(n=100, p=1/6, size=1000)

# the trick is to set up the bins centered on the integers, i.e.
# -0.5, 0.5, 1,5, 2.5, ... up to max(data) + 1.5. Then you substract -0.5 to
# eliminate the extra bin at the end.
bins = np.arange(0, data.max() + 1.5) - 0.5

# then you plot away
fig, ax = plt.subplots()
_ = ax.hist(data, bins)
ax.set_xticks(bins + 0.5)

​

​

原来，大约16/100的投篮将是相同的数字！

Answer 3

不完全是OP要求的，但如果所有值都是整数，则不需要计算回收箱。

np.unique(d, return_counts=True)返回作为第一个元素的唯一值列表的元组，并将其计数作为第二个元素。可以使用星型运算符直接插入plt.bar(x, height)：

import numpy as np
import matplotlib.pyplot as plt

d = [1,1,2,4,4,4,5,6]
plt.bar(*np.unique(d, return_counts=True))

这样做的结果如下：

​

​

注意，这在技术上也适用于浮点数，但是结果可能是意外的，因为每个数字都会创建一个条形条。