如何在matplotlib直方图中选择bin

Question

有人可以向我解释直方图中的“bins”是什么（matplotlib hist函数）？假设我需要绘制一些数据的概率密度函数，我选择的箱子如何影响那个？我该如何选择它们？ （我已经在matplotlib.pyplot.hist和numpy.histogram图书馆中了解过它们，但我没有得到这个想法）

Answer 1

bins参数告诉您数据将被分成的区域数。您可以将其指定为整数或bin边缘列表。

例如，这里我们要20个箱子：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)
plt.hist(x, bins=20)

这里我们要求位置[-4，-3，-2 ... 3,4]处的bin边缘。

plt.hist(x, bins=range(-4, 5))

关于如何选择＆＃34; best＆＃34;的问题箱子的数量是一个有趣的，并且实际上有关于这个主题的相当广泛的文献。已经提出了一些常用的经验法则（例如Freedman-Diaconis Rule，Sturges' Rule, Scott's Rule, the Square-root rule等），每个都有自己的优点和缺点。

如果你想要一个很好的Python实现各种这些自动调整直方图规则，你可以在最新版本的AstroPy包described here中查看直方图功能。 这与plt.hist类似，但允许您使用类似的语法，例如hist(x, bins='freedman')通过上述Freedman-Diaconis规则选择垃圾箱。

我个人最喜欢的是＆＃34;贝叶斯块＆＃34; （bins="blocks"），它解决了不等 bin宽度的最佳分箱。您可以在here上阅读更多内容。

编辑，2017年4月：使用matplotlib版本2.0或更高版本以及numpy版本1.11或更高版本，您现在可以直接在matplotlib中指定自动确定的bin，方法是指定，例如： bins='auto'。这使用了Sturges和Freedman-Diaconis bin的最大选择。您可以在numpy.histogram docs中了解有关这些选项的更多信息。

Answer 2

Bins是您想要将所有数据划分为的间隔数，以便它可以在直方图上显示为条形。使用多少个分箱的简单方法是获取分布中值总数的平方根。

Answer 3

您认为箱数对近似真实基础分布有重大影响，这是正确的。我自己没有读过原始论文，但根据Scott 1979，一个好的经验法则是使用：

  

R（N ^（1/3））/（3.49σ）

其中

• R 是数据范围（在您的情况下 R = 3 - （ - 3）= 6 ），

• n 是样本数量，

• σ是您的标准偏差。

Answer 4

要补充jakes answer，可以使用 numpy.histogram_bin_edges，如果您只想计算最佳bin边缘，而无需实际执行直方图。 histogram_bin_edges是专门为优化仓边计算而设计的功能。您可以选择七个不同的算法进行优化。