比较具有不同 x 轴值的直方图答案

【问题标题】：Compare histograms with different x-axis values比较具有不同 x 轴值的直方图
【发布时间】：2017-10-30 11:47:36
【问题描述】：

我在使用 Python 直方图时遇到了一些问题。我有 2 条贝尔曲线，它们的点数相同，但这些点的值却大不相同。我想比较曲线的形状。图 1 和图 2 显示了我得到的结果。我希望它看起来像下面的情节 3，但不是有点！

import numpy as np
import matplotlib.pyplot as plt

hist1 = np.random.normal(0,100,1000)
hist2 = np.random.normal(0,1,1000)

nBins = 100

plt.figure(1)
plt.hist((hist1,hist2),bins=nBins)

plt.figure(2)
plt.hist(hist1,bins=nBins)
plt.hist(hist2,bins=nBins)

plt.figure(3)
plt.plot(np.histogram(hist1,bins=nBins)[0],'o')
plt.plot(np.histogram(hist2,bins=nBins)[0],'o')

【问题讨论】：

你不能只是去比较它们。一种策略是将它们都标准化为 mu=0 sigma=1 的高斯分布。也许这也可以帮助您比较分布docs.scipy.org/doc/scipy-0.19.1/reference/generated/… 这是一种更“花哨”的比较方式，而不是使用视觉效果。但最终它基本上也使用标准法线。虽然它可以选择放置两个不同的分布进行比较，这对你来说可能很有趣。
谢谢，伊格纳西奥。我不知道这个 zmap！
我也没有，正在寻找如何标准化数组并发现并认为它可能很有趣。

标签： python matplotlib histogram

【解决方案1】：

确实很简单。

之前只需要标准化这两个函数并将它们分别绘制在同一个图中。

import numpy as np
import matplotlib.pyplot as plt

hist1 = np.random.normal(0,100,1000)
hist2 = np.random.normal(0,1,1000)

nBins = 10

def Standardize(distribution):
    newDistribution = (distribution-np.mean(distribution))/np.std(distribution)
    return newDistribution


plt.figure(2)
plt.hist(Standardize(hist1),bins=nBins)
plt.hist(Standardize(hist2),bins=nBins)

【讨论】：