Numpy.histogram 加入垃圾箱

Question

我有一些使用 numpy 在直方图中绘制的图像数据，如下面的代码所示。我遇到的问题是 x 轴以 1 为步长上升，但 bin 宽度约为 1.3（我通过放大并查看 bin 宽度粗略计算得出）。

这导致一个如下所示的直方图：

您可以在某些点看到直方图下降到零。如果我放大，值为 0 的点不是整数。因为我的数据是整数，所以数字 550.8 显然会出现 0 次，这导致直方图出现在上面（我认为）。

如果我将 bin 的数量从 100 增加到 1000，我可以解决这个问题。这留下了下面的直方图：

所以我终于得到了我的问题（为长篇文章道歉！）...... 有没有办法使用 np.histogram 加入垃圾箱（当使用像我这样的大量来解决我的初始问题时）。 我想这只是美学，它不是必需的，但它会更好看。

我看过这里的其他帖子，但几乎所有帖子都使用plt.hist 作为直方图，而不是np.histogram。

我的代码：

def histo():

    heights,edges = np.histogram(data, bins=100, range=(minvalue,maxvalue))
    edges = edges[:-1]+(edges[1]-edges[0]) ### not entirely sure what this line is actually doing

    fig, ax = plt.subplots()
    ax.plot(edges,heights)                                                 

    ax.set(title=title, xlabel='ADC Value(DN/40)', ylabel='Frequency')

    #do some analysis of the data between two clicks

    point1, point2 = fig.ginput(2)                                          
    ax.axvspan(point1[0], point2[0], color='blue', alpha=0.5)            
    mask = (edges>point1[0]) & (edges<point2[0])

    ## more analysis code ##       


data = someimage_data

histo()

Answer 1

当您自己怀疑它时，问题是您的整数数据需要自定义符合垃圾箱来获得漂亮的直方图。事实上，这通常是针对直方图的真实。

考虑以下重建问题：

import numpy as np

# generate data
data = np.floor(np.random.randn(10000)*20+620)
data = dat[(560<dat) & (dat<650)]

# do what you're doing
heights,edges = np.histogram(data, bins=100, range=(data.min(),data.max()))
edges = edges[:-1]+(edges[1]-edges[0]) # shift first x coordinate to edges[1]
                                     # and drop last point: 1 more edge than bins

fig, ax = plt.subplots()
ax.plot(edges,heights)

结果是令人信服的丑陋：

问题是您使用100个垃圾箱，但您的整数值介于560和650之间：这意味着几个垃圾箱肯定会为空！

一个简单的解决方案是设置稍微较小的垃圾箱数量，而不是您可能的唯一整数值​​的数量：

# do what you're doing
range = [data.min(),data.max()]
heights,edges = np.histogram(data, bins=np.ceil((range[1]-range[0])*0.95), range=range)
edges = edges[:-1]+(edges[1]-edges[0]) # shift first x coordinate to edges[1]

fig, ax = plt.subplots()
ax.plot(edges,heights)

它越来越好：

但显然存在一些垃圾箱中包含多个整数的伪像，而其他则没有。这是一个令人震惊的原始问题的实例。

终极解决方案是将量身定制的垃圾箱用于您的问题：使用array_like 5变量为箱，每个频率包含一个整数。我建议使用np.arange()，向下移动0.5：

# do what you're doing
range = [data.min(),data.max()]
bins = np.arange(range[0],range[1]+2) - 0.5
heights,edges = np.histogram(data, bins=bins, range=range)
edges = edges[:-1]+(edges[1]-edges[0]) # shift first x coordinate to edges[1]

fig, ax = plt.subplots()
ax.plot(edges,heights)

，它很漂亮！