为什么 matplotlib 直方图的 `normed` 参数不做任何事情？答案

【问题标题】：Why doesn't the `normed` parameter for matplotlib histograms do anything?为什么 matplotlib 直方图的 `normed` 参数不做任何事情？
【发布时间】：2018-02-03 21:42:01
【问题描述】：

我对来自 matplotlib.pyplot.hist 的 normed 参数以及它为什么不改变绘图输出感到困惑：

如果为 True，则返回元组的第一个元素将是计数归一化以形成概率密度，即n/(len(x)'dbin)，即 直方图的积分总和为 1。如果stacked 也是 True，直方图之和归一化为 1。

默认为假

看起来很清楚。我见过它称为密度函数、概率密度等。

即给定大小为 1000 在 [0, 10] 中的随机均匀分布：

指定 normed=True 应将 y 轴更改为密度轴，其中条的总和为 1.0：

但实际上它什么也没做：

r = np.random.uniform(size=1000)
plt.hist(r, normed=True)

此外：

print(plt.hist(r, normed=True)[0].sum())
# definitely not 1.0
10.012123595

所以，我已经看到@Carsten König 的answers 提出了类似的问题，并不要求解决方法。我的问题是，normed 的目的是什么？我是否误解了这个参数的实际作用？

matplotlib documentation 甚至给出了一个名为“histogram_percent_demo”的示例，其中积分看起来会超过 1000%。

【问题讨论】：

标签： python matplotlib

【解决方案1】：

条形的高度之和不一定为 1。就是曲线下的面积，和直方图的积分一样，等于一：

import numpy as np
import matplotlib.pyplot as plt
r = np.random.uniform(size=1000)
hist, bins, patches = plt.hist(r, normed=True)

print((hist * np.diff(bins)).sum())
# 1.0

norm=True 因此返回一个可以解释为概率分布的直方图。

【讨论】：

我不认为这是不直观的。正如wikipeadia 还指出：“用于概率密度的直方图的总面积始终归一化为 1。如果 x 轴上的间隔长度均为 1，则直方图与相对频率图相同。 "所以你期待一个相对频率图，但norm=True 它确实是一个概率密度图。
Here 是一个非常典型的例子，normed=True 很有用——将直方图与拟合概率分布进行比较。规范直方图允许以相同的比例显示两个

【解决方案2】：

根据matplotlib 3.0.2版本，

normed ：布尔值，可选已弃用；请改用密度关键字参数。
因此，如果您想要密度图，请改用density=True。
或者您可以使用seaborn.displot，它默认使用密度而不是频率来绘制直方图。
normed =True 所做的是将曲线下的面积缩放为 1，如 @unutbu 所示。

density=True 保持相同的属性（曲线下面积总和为 1）并且更有意义和有用。

r = np.random.uniform(size=1000)
hist, bins, patches = plt.hist(r, density=True)
print((hist * np.diff(bins)).sum())

[输出] 1

【讨论】：