在直方图上准确绘制密度曲线，无需归一化答案

【问题标题】：Draw the density curve exactly on the Histogram without normalizing在直方图上准确绘制密度曲线，无需归一化
【发布时间】：2018-07-05 15:28:01
【问题描述】：

我需要在直方图上绘制密度曲线，以条形的实际高度（实际频率）作为 y 轴。

试试1： 我找到了一个相关的答案here，但是它已将直方图标准化为曲线的范围。

下面是我的代码和输出。

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
from scipy.stats import norm

data = [125.36, 126.66, 130.28, 133.74, 126.92, 120.85, 119.42, 128.61, 123.53, 130.15, 126.02, 116.65, 125.24, 126.84,
        125.95, 114.41, 138.62, 127.4, 127.59, 123.57, 133.76, 124.6, 113.48, 128.6, 121.04, 119.42, 120.83, 136.53, 120.4,
        136.58, 121.73, 132.72, 109.25, 125.42, 117.67, 124.01, 118.74, 128.99, 131.11, 112.27, 118.76, 119.15, 122.42,
        122.22, 134.71, 126.22, 130.33, 120.52, 126.88, 117.4]
(mu, sigma) = norm.fit(data)
x = np.linspace(min(data), max(data), 100)

plt.hist(data, bins=12, normed=True)
plt.plot(x, mlab.normpdf(x, mu, sigma))

plt.show()

尝试2： There@DavidG 给出了一个选项，一个用户定义的函数，即使它没有准确地覆盖直方图的密度。

def gauss_function(x, a, x0, sigma):
    return a * np.exp(-(x - x0) ** 2 / (2 * sigma ** 2))
test = gauss_function(x, max(data), mu, sigma)

plt.hist(data, bins=12)
plt.plot(x, test)
plt.show()

结果是，但实际的直方图在下方，其中 Y 轴范围从 0 到 8，我想准确地画出密度曲线。对此方面的任何帮助将不胜感激。

【问题讨论】：

标签： python numpy scipy statistics boxplot

【解决方案1】：

这就是你要找的吗？我将 pdf 乘以直方图的面积。

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

data = [125.36, 126.66, 130.28, 133.74, 126.92, 120.85, 119.42, 128.61, 123.53, 130.15, 126.02, 116.65, 125.24, 126.84,
        125.95, 114.41, 138.62, 127.4, 127.59, 123.57, 133.76, 124.6, 113.48, 128.6, 121.04, 119.42, 120.83, 136.53, 120.4,
        136.58, 121.73, 132.72, 109.25, 125.42, 117.67, 124.01, 118.74, 128.99, 131.11, 112.27, 118.76, 119.15, 122.42,
        122.22, 134.71, 126.22, 130.33, 120.52, 126.88, 117.4]

(mu, sigma) = norm.fit(data)
x = np.linspace(min(data), max(data), 100)

values, bins, _ = plt.hist(data, bins=12)
area = sum(np.diff(bins) * values)

plt.plot(x, norm.pdf(x, mu, sigma) * area, 'r')
plt.show()

结果：

【讨论】：

是的。这就是我想要的。非常感谢您的努力。