Hướng dẫn get bins from histogram python - lấy thùng từ con trăn biểu đồ

Tính biểu đồ của một bộ dữ liệu.

Dữ liệu đầu vào. Biểu đồ được tính toán trên mảng phẳng.

Nếu các thùng là INT, nó định nghĩa số lượng thùng có chiều rộng bằng nhau trong phạm vi đã cho (theo mặc định 10). Nếu các thùng là một chuỗi, nó định nghĩa một mảng các cạnh bin tăng đơn điệu, bao gồm cả cạnh ngoài cùng bên phải, cho phép các chiều rộng bin không đồng nhất.

Mới trong phiên bản 1.11.0.

Phương pháp lựa chọn thùng tự động Ví dụ, sử dụng 2 dữ liệu ngẫu nhiên cực đại với 2000 điểm:

Matplotlib với Python.

Tính biểu đồ của một tập hợp dữ liệu bằng phương pháp biểu đồ () ..

Nhận lịch sử và các cạnh từ biểu đồ (Bước 2) ..

Tìm tần số trong biểu đồ ..DeprecationWarnings are actually emitted.

Để hiển thị hình, sử dụng phương thức show () ..

Nếu False, kết quả sẽ chứa số lượng mẫu trong mỗi thùng. Nếu True, kết quả là giá trị của hàm mật độ xác suất ở thùng, được chuẩn hóa sao cho tích phân trên phạm vi là 1. Lưu ý rằng tổng của các giá trị biểu đồ sẽ không bằng 1 trừ khi các thùng có chiều rộng thống nhất được chọn; Nó không phải là một hàm khối xác suất.

Ghi đè từ khóa

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

Các giá trị của biểu đồ. Xem mật độ và trọng lượng để biết mô tả về ngữ nghĩa có thể.

Trả lại các cạnh bin

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

Ghi chú

Tất cả trừ thùng cuối cùng (tay phải) là nửa mở. Nói cách khác, nếu thùng là:

Sau đó, thùng đầu tiên là

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

Ví dụ

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

>>> a = np.arange(5)
>>> hist, bin_edges = np.histogram(a, density=True)
>>> hist
array([0.5, 0. , 0.5, 0. , 0. , 0.5, 0. , 0.5, 0. , 0.5])
>>> hist.sum()
2.4999999999999996
>>> np.sum(hist * np.diff(bin_edges))
1.0

Mới trong phiên bản 1.11.0.

Phương pháp lựa chọn thùng tự động Ví dụ, sử dụng 2 dữ liệu ngẫu nhiên cực đại với 2000 điểm:

>>> import matplotlib.pyplot as plt
>>> rng = np.random.RandomState(10)  # deterministic random data
>>> a = np.hstack((rng.normal(size=1000),
...                rng.normal(loc=5, scale=2, size=1000)))
>>> _ = plt.hist(a, bins='auto')  # arguments are passed to np.histogram
>>> plt.title("Histogram with 'auto' bins")
Text(0.5, 1.0, "Histogram with 'auto' bins")
>>> plt.show()