Numpy.柱状图()是如何工作的？

Bin 是一个范围，表示沿 X 轴直方图的一个条的宽度。您也可以将其称为间隔。(维基百科将它们更正式地定义为“不相关的类别”。)

Numpy histogram函数不绘制直方图，但它计算每个箱子中输入数据的出现次数，这依次决定每个条的面积(如果箱子的宽度不相等，则不一定是高度)。

在这个例子中:

 np.histogram([1, 2, 1], bins=[0, 1, 2, 3])

有3个箱子，值范围从0到1(不包括1)，1至2(不包括。2)及2至3(包括3)。Numpy 定义这些箱子的方法是，如果在这个例子中给出一个分隔符列表([0, 1, 2, 3]) ，尽管它也返回结果中的箱子，因为它可以从输入中自动选择它们，如果没有指定的话。例如，如果 bins=5，它将在最小输入值和最大输入值之间使用5个等宽的容器。

输入值是1、2和1。因此，bin“1 to 2”包含两个匹配项(两个 1值) ，bin“2 to 3”包含一个匹配项(2)。这些结果位于返回的元组中的第一项: array([0, 2, 1])。

由于这里的箱子的宽度相等，所以可以使用每个条的高度的出现次数。当你被抽中时，你会:

• 一个高度为0的条，表示 X 轴上的范围/箱[0,1] ,
• 量程/箱[1,2]的高度为2的杆,
• 量程/箱[2,3]的一个高度为1的条。

您可以使用 Matplotlib 直接绘制这个图(它的 hist函数也返回箱子和值) :

>>> import matplotlib.pyplot as plt
>>> plt.hist([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]), <a list of 3 Patch objects>)
>>> plt.show()

import numpy as np
hist, bin_edges = np.histogram([1, 1, 2, 2, 2, 2, 3], bins = range(5))

下面，hist表示0号垃圾箱中有0个物品，1号垃圾箱中有2个，3号垃圾箱中有4个，4号垃圾箱中有1个。

print(hist)
# array([0, 2, 4, 1])

bin_edges表示 bin # 0是间隔[0,1) ，bin # 1是[1,2) ，... , Bin # 3是[3,4]。

print (bin_edges)
# array([0, 1, 2, 3, 4]))

使用上面的代码，将输入更改为 np.histogram，看看它是如何工作的。

但是一张图片胜过千言万语:

import matplotlib.pyplot as plt
plt.bar(bin_edges[:-1], hist, width = 1)
plt.xlim(min(bin_edges), max(bin_edges))
plt.show()

使用 numpy.histogram做的另一件有用的事情是将输出作为线图上的 x 和 y 坐标绘制出来。例如:

arr = np.random.randint(1, 51, 500)
y, x = np.histogram(arr, bins=np.arange(51))
fig, ax = plt.subplots()
ax.plot(x[:-1], y)
fig.show()

这可能是一个有用的方法来可视化直方图，您想要一个更高的粒度水平，没有到处都是条形。非常有用的图像直方图识别极端的像素值。