Matplotlib 直方图错位和缺失条形图

Question

我有大数据文件，因此我使用 numpy 直方图（与 matplotlib 中使用的相同）手动生成直方图并更新它们。但是，在绘图时，我觉得图形发生了偏移。

这是我用来批量手动创建和更新直方图的代码。请注意，所有直方图共享相同的 bin。

temp = np.histogram(batch, bins=np.linspace(0, 40, 41))
hist += temp[0]

在我解析数据文件时重复上面的代码。例如，一个小数据集将具有以下作为最终直方图数据：

[8190, 666, 278, 145, 113, 83, 52, 48, 45, 44, 45, 29, 28, 45, 29, 15, 16, 10, 17, 7, 15, 6, 10, 7, 3, 5, 7, 4, 2, 3, 0, 1, 0, 0, 0, 0, 0, 0, 0, 29]

下面是绘图代码。

import matplotlib
matplotlib.use('agg')
import matplotlib.pyplot as plt
import numpy as np
plt.xticks(np.linspace(0, 1, 11))
plt.hist([i/40 for i in range(40)], bins=np.linspace(0, 1, 41), weights=scores, rwidth=0.7)
plt.yscale('log', nonposy='clip')

结果图很奇怪。它在 [0.475, 0.5) 处没有显示条，我希望范围 [0.975, 1.0] 的 0.975 bin 包含最后 29 个值。然而，相反，我在 [0.950, 0.975) 位置看到了那个柱子。我认为这可能与使用 bins 和 linspace 有关，但诱饵数组的大小和权重是相同的。

我从未见过这种行为。我还认为这将是范围 [x, x+width) 的方式，但我对此没有任何问题。

关于使用 linspace 的注意事项。它指定边，因此 40 个 bin 由 41 个边指定。

In [2]: np.linspace(0,1,41)                                                     
Out[2]: 
array([0.   , 0.025, 0.05 , 0.075, 0.1  , 0.125, 0.15 , 0.175, 0.2  ,
       0.225, 0.25 , 0.275, 0.3  , 0.325, 0.35 , 0.375, 0.4  , 0.425,
       0.45 , 0.475, 0.5  , 0.525, 0.55 , 0.575, 0.6  , 0.625, 0.65 ,
       0.675, 0.7  , 0.725, 0.75 , 0.775, 0.8  , 0.825, 0.85 , 0.875,
       0.9  , 0.925, 0.95 , 0.975, 1.   ])

In [3]: len(np.linspace(0,1,41))                                                
Out[3]: 41

Answer 1

您似乎在使用 plt.hist 将一个值放入每个 bin 的想法，因此模拟了条形图。由于 x 值恰好落在 bin 边界上，由于四舍五入，它们可能最终落在相邻的 bin 中。这可以通过将 x 值移动半个 bin 宽度来缓解。最简单的就是直接画条。

以下代码使用给定数据创建条形图，每个条形图都位于它所代表区域的中心。作为检查，在最后再次测量条形并显示它们的高度。

from  matplotlib.ticker import MultipleLocator
import matplotlib.pyplot as plt
import numpy as np

scores =[8190,666,278,145,113,83,52,48,45,44,45,29,28,45,29,15,16,10,17,7,15,6,10,7,3,5,7,4,2,3,0,1,0,0,0,0,0,0,0,29]
binbounds = np.linspace(0, 1, 41)
rwidth = 0.7
width = binbounds[1] - binbounds[0]
bars = plt.bar(binbounds[:-1] + width / 2, height=scores, width=width * rwidth, align='center')
plt.gca().xaxis.set_major_locator(MultipleLocator(0.1))
plt.gca().xaxis.set_minor_locator(MultipleLocator(0.05))
plt.yscale('log', nonposy='clip')
for rect in bars:
    x, y = rect.get_xy()
    w = rect.get_width()
    h = rect.get_height()
    plt.text(x + w / 2, h, f'{h}\n', ha='center', va='center')
plt.show()

PS：要查看原始直方图发生了什么，只需做一个没有权重的测试图：

plt.hist([i/40 for i in range(40)], bins=np.linspace(0, 1, 41), rwidth=1, ec='k')
plt.plot([i/40 for i in range(40)], [0.5] * 40, 'ro')
plt.xticks(np.linspace(0, 1, 11))

红点表示 x 值所在的位置。有些落入正确的箱子，有些落入突然获得 2 个值的邻居。

要创建 x 值位于每个 bin 中心的直方图：

plt.hist([i/40 + 1/80 for i in range(40)], bins=np.linspace(0, 1, 41), rwidth=1, ec='k')
plt.plot([i/40 + 1/80 for i in range(40)], [0.5] * 40, 'ro')
plt.xticks(np.linspace(0, 1, 11))
plt.yticks([0, 1])

Answer 2

问题是由于 np.linspace(0, 1, 11) 的舍入误差造成的。

bins = []
for abin in np.linspace(0, 1, 41):
    bins.append(abin)

上面的代码会得到

bins = [0.0, 0.025, 0.05, 0.07500000000000001, 0.1, 0.125, 0.15000000000000002, ...]

，导致问题。

但是，当您执行 np.round(np.linspace(0, 1, 41), 4) 时，问题就解决了。

示例：

plt.hist([i/40 for i in range(40)], bins=np.round(np.linspace(0, 1, 41), 4), rwidth=1, ec='k')
plt.plot([i/40 for i in range(40)], [0.5] * 40, 'ro')
plt.xticks(np.linspace(0, 1, 11))

Matplotlib 直方图错位和缺失条形图

Matplotlib histogram misplaced and missing bars

python

numpy

matplotlib

histogram