Розмір контейнера в Matplotlib (гістограма)

Я використовую matplotlib для виготовлення гістограми.

Чи є спосіб вручну встановити розмір бункерів на відміну від кількості контейнерів?

Насправді це досить просто: замість кількості бункерів ви можете надати список із межами відрізку. Вони також можуть бути нерівномірно розподілені:

plt.hist(data, bins=[0, 10, 20, 30, 40, 50, 100])

Якщо ви хочете, щоб вони були рівномірно розподілені, ви можете просто скористатися діапазоном:

plt.hist(data, bins=range(min(data), max(data) + binwidth, binwidth))

Додано до оригінальної відповіді

Вищенаведений рядок працює лише для dataзаповнених цілими числами. Як вказує макрокосм , для поплавків ви можете використовувати:

import numpy as np
plt.hist(data, bins=np.arange(min(data), max(data) + binwidth, binwidth))

Для N-бункерів краї відсіку задаються списком значень N + 1, де перший N дає нижній край бін, а +1 - верхній край останнього.

Код:

from numpy import np; from pylab import *

bin_size = 0.1; min_edge = 0; max_edge = 2.5
N = (max_edge-min_edge)/bin_size; Nplus1 = N + 1
bin_list = np.linspace(min_edge, max_edge, Nplus1)

Зауважте, що linspace створює масив від min_edge до max_edge, розбитий на значення N + 1 або N bins

Я думаю, найпростішим способом було б обчислити мінімум та максимум даних, які ви маєте, а потім обчислити L = max - min. Потім ви розділите Lна потрібну ширину відрізка (я припускаю, що це саме ви маєте на увазі під розміром відрізка) і використовуєте стелю цього значення як кількість бункерів.

Мені подобається, що речі відбуваються автоматично, і кошти потрапляють на "приємні" значення. Наступне, здається, працює досить добре.

import numpy as np
import numpy.random as random
import matplotlib.pyplot as plt
def compute_histogram_bins(data, desired_bin_size):
    min_val = np.min(data)
    max_val = np.max(data)
    min_boundary = -1.0 * (min_val % desired_bin_size - min_val)
    max_boundary = max_val - max_val % desired_bin_size + desired_bin_size
    n_bins = int((max_boundary - min_boundary) / desired_bin_size) + 1
    bins = np.linspace(min_boundary, max_boundary, n_bins)
    return bins

if __name__ == '__main__':
    data = np.random.random_sample(100) * 123.34 - 67.23
    bins = compute_histogram_bins(data, 10.0)
    print(bins)
    plt.hist(data, bins=bins)
    plt.xlabel('Value')
    plt.ylabel('Counts')
    plt.title('Compute Bins Example')
    plt.grid(True)
    plt.show()

В результаті виходять бункери з приємними інтервалами розміру контейнера.

[-70. -60. -50. -40. -30. -20. -10.   0.  10.  20.  30.  40.  50.  60.]

Я використовую квантоли, щоб робити бункери рівномірними та пристосованими для вибірки:

bins=df['Generosity'].quantile([0,.05,0.1,0.15,0.20,0.25,0.3,0.35,0.40,0.45,0.5,0.55,0.6,0.65,0.70,0.75,0.80,0.85,0.90,0.95,1]).to_list()

plt.hist(df['Generosity'], bins=bins, normed=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none')

У мене було те саме питання, що і в ОП (я думаю!), Але я не міг змусити його працювати так, як вказав Ластальда. Я не знаю, чи правильно я інтерпретував це питання, але я знайшов інше рішення (мабуть, це дуже поганий спосіб зробити це).

Це було так, як я це робив:

plt.hist([1,11,21,31,41], bins=[0,10,20,30,40,50], weights=[10,1,40,33,6]);

Що створює це:

Отже, перший параметр в основному 'ініціалізує' бін - я спеціально створюю число, яке знаходиться між діапазоном, який я задаю в параметрі bins.

Щоб продемонструвати це, подивіться на масив у першому параметрі ([1,11,21,31,41]) та масив 'bins' у другому параметрі ([0,10,20,30,40,50]) :

• Число 1 (з першого масиву) падає між 0 і 10 (у масиві 'bins')
• Число 11 (з першого масиву) падає між 11 і 20 (у масиві 'bins')
• Число 21 (від першого масиву) падає між 21 і 30 (у масиві 'bins') тощо.

Тоді я використовую параметр 'ваги', щоб визначити розмір кожного контейнера. Це масив, який використовується для параметра зважування: [10,1,40,33,6].

Отже, від 0 до 10 бін дається значення 10, 11 - 20 бін - значення 1, 21 - 30 бін - значення 40 і т.д.

Для гістограми з цілими значеннями x я закінчила використання

plt.hist(data, np.arange(min(data)-0.5, max(data)+0.5))
plt.xticks(range(min(data), max(data)))

Зсув 0,5 обертає знаки на значення осі x. plt.xticksВиклик додає кліщ для будь-якого цілого.