Các giá trị trả về của plt.hist
là:
Trả về: Tuple: [n, thùng, bản vá] hoặc [[n0, n1, ...], thùng, [patpes0, patches1, ...]]
Vì vậy, tất cả những gì bạn cần làm là nắm bắt các giá trị trả về một cách thích hợp. Ví dụ:
import numpy as np
import matplotlib.pyplot as plt
# generate some uniformly distributed data
x = np.random.rand[1000]
# create the histogram
[n, bins, patches] = plt.hist[x, bins=10, label='hst']
plt.show[]
# inspect the counts in each bin
In [4]: print n
[102 87 102 83 106 100 104 110 102 104]
# and we see that the bins are approximately uniformly filled.
# create a second histogram with more bins [but same input data]
[n2, bins2, patches] = plt.hist[x, bins=20, label='hst']
In [34]: print n2
[54 48 39 48 51 51 37 46 49 57 50 50 52 52 59 51 58 44 58 46]
# bins are uniformly filled but obviously with fewer in each bin.
bins
được trả về xác định các cạnh của mỗi thùng đã được sử dụng.
Tính biểu đồ của một bộ dữ liệu.
Parametersaarray_likeaarray_likeDữ 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:
Làm thế nào để bạn tìm thấy thùng của một biểu đồ trong Python?[float, float], optionalMatplotlib với Python.
Tạo một danh sách các số cho dữ liệu và thùng ..bool, optionalTính 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 [] ..
Làm thế nào để bạn tìm thấy các thùng trong một biểu đồ?bool, optionalNếu 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]]]0 nếu được đưa ra.Returnshistarrayhistarray
Các giá trị của biểu đồ. Xem mật độ và trọng lượng để biết mô tả về ngữ nghĩa có thể.
bin_edgesarray của dtype floatarray of dtype floatTrả 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]]]1.
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]]]2 [bao gồm 1, nhưng không bao gồm 2] và
>>> 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]]]3 thứ hai. Tuy nhiên, thùng cuối cùng 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]]]4, bao gồm 4.
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[]