如何制作具有一致且对齐良好的箱的分组直方图？答案

【问题标题】：How to make a grouped histogram with consistent and nicely aligned bins?如何制作具有一致且对齐良好的箱的分组直方图？
【发布时间】：2020-07-10 13:04:34
【问题描述】：

我想制作存储在pandasDataFrame 中的数据直方图，其中直方图根据该数据框中的另一列分为两组（我们称其为 target 列，可以是 1或 0)。我无法让两组的垃圾箱以合理的方式对齐。

这是我目前所拥有的：

def fun_histByTarget(df, cols, target):
    target = df[target]
    if isinstance(cols, str):
        cols = [cols]
    fig = plt.figure(figsize=(18, 5 * ((len(cols) + 1) // 2)), dpi= 80)
    for i in range(len(cols)):
        sp = fig.add_subplot((len(cols) + 1) // 2, 2, i + 1)
        col = df[cols[i]].copy()
        sp.hist(col[target==0], color='red',  alpha=.3, label='target = 0', align='left')
        sp.hist(col[target==1], color='blue', alpha=.3, label='target = 1', align='left')
        sp.legend()
        sp.set_title(cols[i])

这是结果：

fun_histByTarget(test, 'integer_col', 'target')

我尝试过手动添加垃圾箱

bins = np.linspace(col.values.min(), col.values.max(), 10)

但这无济于事。结果箱的选择非常奇怪，因此直方图的某些条完全位于两个整数值之间，即使所有数据都是整数。这可能是因为我硬编码了 10 个 bin。但是自动选择正确数量的垃圾箱确实很困难。有没有更好的方法来做到这一点？

【问题讨论】：

标签： python matplotlib

【解决方案1】：

要为两者获得相同的直方图 bin，只需使用具有完全相同边界的 bins= 参数即可。因此，目前还不清楚为什么您的测试不起作用。（如果没有看到使用的确切代码，很难说。）

除此之外，列名“integer_col”暗示该列只有整数。直方图主要用于处理连续数据。如果您只有整数，并且您将 bin 边界创建为np.linspace(1, 7, 10)，那么在[1.0, 1.667, 2.333, 3.0, 3.667, 4.333, 5.0, 5.667, 6.333, 7.0] 将有 9 个边界奇怪的 bin。因此，整数值 1 将落在第一个 bin 中，值 2 在第二个 bin 中，值 3 在第三个或第四个中（取决于浮点舍入误差），......更方便的 bin 选择是@987654326 @ 如下面的代码。（我还将align='left' 更改为默认的align='mid' 以使条形图与其对应值位于同一位置。）

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

def fun_histByTarget(df, cols, target):
    target = df[target]
    if isinstance(cols, str):
        cols = [cols]
    fig = plt.figure(figsize=(18, 5 * ((len(cols) + 1) // 2)), dpi=80)
    for i in range(len(cols)):
        ax = fig.add_subplot((len(cols) + 1) // 2, 2, i + 1)
        col = df[cols[i]]
        bins = np.arange(col.min() - 0.5, col.max() + 0.5001, (col.max() - col.max()) // 20 + 1)
        ax.hist(col[target == 0], bins=bins, color='red', alpha=.3, label='target = 0', align='mid')
        ax.hist(col[target == 1], bins=bins, color='blue', alpha=.3, label='target = 1', align='mid')
        ax.legend()
        ax.set_title(cols[i])

target = np.random.randint(0, 2, 100)
integer_col = np.where(target == 0, np.random.randint(1, 7, target.size), np.random.randint(1, 6, target.size))
test = pd.DataFrame({'integer_col': integer_col, 'target': target})
fun_histByTarget(test, 'integer_col', 'target')
plt.show()

如果您想避免重叠条形图，条形图有更多选项，但您需要在单独的步骤中计算计数（例如，使用np.hist，或通过pd.cut）。

【讨论】：