Ukuran nampan di Matplotlib (Histogram)

Saya menggunakan matplotlib untuk membuat histogram.

Apakah ada cara untuk secara manual mengatur ukuran nampan yang bertentangan dengan jumlah nampan?

Sebenarnya, ini cukup mudah: alih-alih jumlah sampah Anda dapat memberikan daftar dengan batas bin. Mereka juga dapat didistribusikan secara tidak merata:

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

Jika Anda hanya ingin mereka terdistribusi secara merata, Anda cukup menggunakan rentang:

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

Ditambahkan ke jawaban asli

Baris di atas hanya berfungsi untuk datadiisi dengan bilangan bulat. Seperti yang ditunjukkan oleh macrocosme , untuk mengapung Anda dapat menggunakan:

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

Untuk N nampan, tepi nampan ditentukan oleh daftar nilai N +1 di mana N pertama memberikan tepi nampan yang lebih rendah dan +1 memberi tepi atas dari nampan terakhir.

Kode:

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)

Perhatikan bahwa linspace menghasilkan array dari min_edge ke max_edge yang dipecah menjadi nilai N +1 atau N bin

Saya kira cara mudahnya adalah dengan menghitung minimum dan maksimum data yang Anda miliki, lalu hitung L = max - min. Kemudian Anda membagi Ldengan lebar bin yang diinginkan (saya berasumsi ini adalah apa yang Anda maksud dengan ukuran bin) dan menggunakan plafon dari nilai ini sebagai jumlah bin.

Saya suka hal-hal terjadi secara otomatis dan untuk sampah jatuh pada nilai-nilai "baik". Berikut ini tampaknya bekerja dengan cukup baik.

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()

Hasilnya memiliki nampan pada interval ukuran bin yang bagus.

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

Saya menggunakan kuantil untuk membuat tempat sampah seragam dan dipasang ke sampel:

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')

Saya memiliki masalah yang sama dengan OP (saya pikir!), Tetapi saya tidak bisa membuatnya bekerja seperti yang ditentukan Lastalda. Saya tidak tahu apakah saya telah menafsirkan pertanyaan dengan benar, tetapi saya telah menemukan solusi lain (mungkin ini cara yang sangat buruk untuk melakukannya).

Ini adalah cara saya melakukannya:

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

Yang menciptakan ini:

Jadi, parameter pertama pada dasarnya 'menginisialisasi' nampan - saya secara khusus membuat angka di antara rentang yang saya atur di parameter bins.

Untuk mendemonstrasikan ini, lihat array di parameter pertama ([1,11,21,31,41]) dan array 'sampah' di parameter kedua ([0,10,20,30,40,50]) :

• Angka 1 (dari array pertama) jatuh antara 0 dan 10 (dalam array 'sampah')
• Angka 11 (dari array pertama) jatuh antara 11 dan 20 (dalam array 'sampah')
• Angka 21 (dari array pertama) jatuh antara 21 dan 30 (dalam array 'sampah'), dll.

Lalu saya menggunakan parameter 'bobot' untuk menentukan ukuran setiap bin. Ini adalah larik yang digunakan untuk parameter bobot: [10,1,40,33,6].

Jadi bin 0 hingga 10 diberi nilai 10, bin 11 hingga 20 diberi nilai 1, 21 hingga 30 bin diberi nilai 40, dll.

Untuk histogram dengan integer x-values ​​akhirnya saya gunakan

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

Offset 0,5 terpusat pada nampan pada nilai sumbu x. The plt.xtickspanggilan menambahkan tanda centang untuk setiap bilangan bulat.