plt.hist() 生成的直方图差异 [重复]

Question

我需要帮助找出以下代码中生成的直方图 A 和 B 存在差异的原因。我是一名物理学家，一些同事和我注意到这一点，因为我们在 python、IDL 和 Matlab 中绘制相同的数据。 Python 和 IDL 有同样的问题，但是 Matlab 没有。 Matlab 总是重现直方图 B。

import numpy as np
import matplotlib.pyplot as plt

t = np.random.randint(-1000,1000,10**3)

# A
tA = t/1000
binsizeA = 0.05
xminA = -1
xmaxA = 1
binsA = np.arange(xminA, xmaxA+binsizeA, binsizeA)
hA, _ , _ = plt.hist(tA, bins=binsA, histtype="step", label="A")

# B
tB = t
binsizeB = 50
xminB = -1000
xmaxB = 1000
binsB = np.arange(xminB, xmaxB+binsizeB, binsizeB)
hB, _ , _ = plt.hist(tB/1000, bins=binsB/1000, histtype="step", label="B")


plt.legend()
plt.show()

print(hA==hB)

Plot showing the histograms

原始数据是带有时间标记的测量值，微秒精度保存为整数。问题似乎是当数组除以 1000（从微秒到毫秒）时。有没有办法避免这种情况？

Answer 1

我从“重新创建”场景 A 开始，但直接通过缩放 B 中的所有内容（数据 + 箱）：

C - binsB / 1000

# C
tC = tB / 1000
xminC = xminB / 1000
xmaxC = xmaxB / 1000
binsC = binsB / 1000
hC, _ , _ = plt.hist(tC, bins=binsC, histtype="step", label="C")

assert((hB == hC).all())

这会产生与hB 相同的直方图，所以问题在于binsA 的生成方式：

binsA = np.arange(xminA, xmaxA+binsizeA, binsizeA)

来自其文档字符串：

当使用非整数步长时，例如 0.1，结果通常不会 始终如一。对于这些情况，最好使用numpy.linspace。

所以要么使用 C 路线，要么使用 linspace 来创建舍入误差较小的非整数 bin。

D - np.linspace

有趣的是，使用 linspace不会产生浮点相等的 bin，就像 binsB / 1000 所做的那样：

# D
tD = t / 1000
bincountD = 41
xminD = -1
xmaxD = 1
binsD = np.linspace(xminD, xmaxD, 41)

hC, _ , _ = plt.hist(tC, bins=binsC, histtype="step", label="C")
hD, _ , _ = plt.hist(tD, bins=binsD, histtype="step", label="D")

plt.legend()
plt.show()

通过检查，两个binsC 看起来都等于binsD，但它们的最低有效数字仍然不同。我可以通过binsX.round(2)“钳制”它们以产生相同的直方图。

但总的来说，这提醒我们要实现“精确”结果是多么棘手。但请注意，这一事实在这里被放大了，因为您的所有样本一开始都是整数。如果您的数据也是浮点数，则 bin 和 samples 的值将不相同。