如何在 Matplotlib hist 中包含 bin 的上边界 [关闭]

Question

当使用来自 Matplotlib 的 hist() 创建直方图时，数据会这样落入 bin 中：

lb ≤ x < ub。我如何强制它表现得像这样：lb < x ≤ ub？

此外，与 Excel 相比，频率表被移动了一个 bin，这对我的目的产生了不准确的测量结果。使用该表作为参考，我如何强制 hist() 使 28 到 30 之间的值落在 bin 30 而不是 bin 25 中？同样，值 23.5 在 Python 中的 bin 20 中下降，因为 bin 20 = 20 ≤ x

data = np.array([23.5, 28, 29, 29, 29.5, 29.5, 30, 30, 30])
bins = np.array([20, 25, 30])
# Excel               1, 8
# Python          1,  5

Answer 1

也许numpy.digitize 对您来说可能很有趣（来自文档）：

Return the indices of the bins to which each value in input array belongs.

`right`    order of bins  returned index `i` satisfies
=========  =============  ============================
``False``  increasing     ``bins[i-1] <= x < bins[i]``
``True``   increasing     ``bins[i-1] < x <= bins[i]``
``False``  decreasing     ``bins[i-1] > x >= bins[i]``
``True``   decreasing     ``bins[i-1] >= x > bins[i]``

希望这也能消除使用垃圾箱时的常见误解。 bins 对应于一个网格的顶点，一个数据点位于 一个 bin 中的两个顶点/之间。因此，一个数据点不对应于bins 数组中的一个点，而是对应于两个。 从这个符号中可以看到另一件事，bins=[20, 25, 30] bin 1 从 20-25 到 bin 2 从 25-30，也许 excel 中的符号不​​同？

将关键字right 用于自定义直方图函数会产生以下代码和绘图。

import numpy as np
import matplotlib.pyplot as plt

data = np.array([15,
                 17, 18, 20, 20, 20,
                 23.5, 24, 25, 25,
                 28, 29, 30, 30, 30])
bins = np.array([15, 20, 25, 30])


def custom_hist(x, bins, right=False):
    x_dig = np.digitize(x, bins=bins, right=right)
    u, c = np.unique(x_dig, return_counts=True)
    h = np.zeros(len(bins), dtype=int)
    h[u] = c
    return h


plt.hist(data, bins=bins,  color='b', alpha=0.7, label='plt.hist')
# array([3., 5., 7.]

height = custom_hist(x=data, bins=bins, right=True)
width = np.diff(bins)
width = np.concatenate((width, width[-1:]))
plt.bar(bins-width, height=height, width=width,
        align='edge', color='r', alpha=0.7, label='np.digitize')
plt.legend()
# This function also allows different sized bins

注意在right=True的情况下15属于bin ?bins 中，它也会在直方图中为您提供第四个条形图。如果不希望这样做，您必须单独处理边缘情况，并可能将值添加到第一个有效的 bin。 我想这也是我们看到意外的原因 您的示例数据的行为。 Matplotlib 将lb ≤ x < ub 应用于垃圾箱，但第 30 位与垃圾箱 25-30 相关联。 如果我们添加一个额外的 bin 30-35，我们可以看到现在 30ths 被放入了这个 bin。我猜他们除了边缘以外的所有地方都应用了规则lb ≤ x < ub，这里使用lb ≤ x ≤ ub，这也是合理的，但必须注意这一点。

data = np.array([23.5, 28, 29, 29, 29.5, 29.5, 30, 30, 30])
plt.hist(data, bins=np.array([20, 25, 30]),  color='b', alpha=0.7, label='[20, 25, 30]')
plt.hist(data, bins=np.array([20, 25, 30, 35]),  color='r', alpha=0.7, label='[20, 25, 30, 35]')
plt.legend()