标准化直方图并在matlab中以百分比表示y轴答案

【问题标题】：Normalizing a histogram and having the y-axis in percentages in matlab标准化直方图并在matlab中以百分比表示y轴
【发布时间】：2014-01-30 12:44:00
【问题描述】：

编辑：好的，所以我通过多阅读旧问题来回答我自己的问题。我很抱歉问这个问题！使用代码

Y = rand(10,1);
C = hist(Y);
C = C ./ sum(C);
bar(C)

使用相应的数据而不是随机数据可以正常工作。现在只需要优化 bin 大小。

美好的一天，现在我知道你一定在想这个问题已经被问了一千次了。在某种程度上，您可能是对的，但我无法从我在这里找到的帖子中找到我的具体问题的答案，所以我想我不妨问问。我会尽量说清楚，但如果不清楚我想做什么，请告诉我

好的，所以我有一个包含 5000 个元素的（行）向量，所有这些元素都只是整数。现在我想做的是绘制这 5000 个元素的直方图，但是以这样的方式，y 轴有机会进入某个 bin，而 x 轴仍然是规则的，因为它给出了该特定 bin 的值。

现在，对我来说有意义的是使一切正常化，但这似乎不起作用，至少我是这样做的。

我的第一次尝试是

sums = sum(A);
hist(sums/trapz(sums),50)

我省略了其余部分，因为它从某个文件中导入了大量数据，这并不重要。 sums = sum(A) 工作正常，我可以在我的 matlab thingy 中看到向量。（我应该怎么称呼它，控制台？）。但是，用 trapz 除以面积只会改变我的 x 轴，而不是我的 y 轴。一切都变得超级小，大约为 10^-3，而它应该是 10 的数量级。

现在环顾四周，有人建议使用

hist(sums,50)
ylabels = get(gca, 'YTickLabel');
ylabels = linspace(0,1,length(ylabels));
set(gca,'YTickLabel',ylabels);

虽然这肯定会使 y 轴从 0 变为 1，但它根本没有标准化。我希望它真正反映在某个垃圾箱中的机会。将两者结合起来也行不通。如果答案很明显，我很抱歉，我只是没有看到。

编辑：虽然我意识到这是一个单独的问题（已被问过一百万次），但我只是手动选择了 bin 大小，直到它看起来不错，因为直方图中没有丢失任何条形。我已经看到了几个应该优化 bin 大小的不同脚本，但遗憾的是，它们似乎都没有在每种情况下都制作出“最好”的直方图 :( 如果所有数字都是，有没有一种简单的方法来选择大小整数？

【问题讨论】：

嗨，很高兴您自己找到了答案。在这种情况下，最好的办法是将其添加为实际答案（下框）。这样，其他有相同问题的人就可以找到简洁的问答式资源。
我不知道有一种始终如一的工作方式来选择垃圾箱大小。如果您的数据来自一小组整数，我建议每个数字使用一个 bin。对于连续数据，有一个直方图的替代方法，称为核密度估计 (ksdensity)，并且存在选择最佳“bin 宽度”（在该上下文中称为带宽）的算法。
并将您自己的答案标记为已接受，这样问题就不会显示为未回答
是的，很遗憾，我在发布问题 8 小时后才能回答自己的问题，否则我会回答的！我会在下一次发布之前尝试做更多的搜索，但根据我的经验，它总是倾向于在你放弃后找到一些恰到好处的东西

标签： matlab histogram

【解决方案1】：

（只是为了结束问题）

直方图是一个绝对频率图，因此所有 bin 频率的总和（hist 函数的输出向量的总和）始终是其输入向量中的元素数。因此，如果您想要百分比输出，您只需将输出中的每个元素除以该总数即可：

x = randn(10000, 1);
numOfBins = 100;
[histFreq, histXout] = hist(x, numOfBins);
figure;
bar(histXout, histFreq/sum(histFreq)*100);
xlabel('x');
ylabel('Frequency (percent)');

如果要重建数据的概率密度函数，则需要考虑直方图的 bin 大小并将频率除以：

x = randn(10000, 1);
numOfBins = 100;
[histFreq, histXout] = hist(x, numOfBins);
binWidth = histXout(2)-histXout(1);
figure;
bar(histXout, histFreq/binWidth/sum(histFreq));       
xlabel('x');
ylabel('PDF: f(x)');
hold on
% fit a normal dist to check the pdf
PD = fitdist(x, 'normal');
plot(histXout, pdf(PD, histXout), 'r');

更新：

从 MATLAB R2014b 开始，您可以使用“直方图”命令轻松生成具有各种归一化的直方图。比如上面变成：

x = randn(10000, 1);
figure;
h = histogram(x, 'normalization', 'pdf');
xlabel('x');
ylabel('PDF: f(x)');
hold on
% fit a normal dist to check the pdf
PD = fitdist(x, 'normal');
plot(h.BinEdges, pdf(PD, h.BinEdges), 'r');

【讨论】：