如何在 matplotlib 的直方图中居中标签

Question

我有以下问题。 我需要在我的 plt.hist() 上将 X 轴上的标签居中。 我在这里找到了一些答案： How to center labels in histogram plot建议使用align = "left/mid/right" 。 但是，它并没有给我正确的 output：

plt.hist(data['Col1'], align='left')

plt.hist(data['Col1'], align='mid')

plt.hist(data['Col1'], align='right')

我想让ok和18 let正好在每个小节的中间。 请问我该如何解决？

整个代码：

plt.style.use('ggplot')
plt.xticks(rotation='vertical')
plt.locator_params(axis='y', integer=True)
plt.suptitle('My histogram', fontsize=14, fontweight='bold')
plt.ylabel('Frequency', fontweight='bold')


plt.hist(data['Col1'], align='mid')
plt.show()

Answer 1

Matplotlib 的hist()默认参数主要用于连续数据。 当没有给出参数时，matplotlib 将值的范围划分为 10 个大小相等的 bin。

当给定字符串数据时，matplotlib 在内部用数字0, 1, 2, ...替换字符串。 在这种情况下，“ok”的值为0 ，“18 let”的值为1 。 将该范围划分为 10，创建 10 个 bin： 0.0-0.1, 0.1-0.2, ..., 0.9-1.0 。 条形图放置在 bin 中心 ( 0.05, 0.15, ..., 0.95 ) 并默认对齐'mid' 。 （当您想要绘制更窄的条时，这种居中会有所帮助。）在这种情况下，除了第一个和最后一个条之外的所有条都将具有高度0 。

这是正在发生的事情的可视化。 垂直线显示 bin 边界的放置位置。

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd

data = pd.DataFrame({'Col1': np.random.choice(['ok', '18 let'], 10, p=[0.2, 0.8])})

plt.style.use('ggplot')
fig, ax = plt.subplots()
ax.locator_params(axis='y', integer=True)
ax.set_ylabel('Frequency', fontweight='bold')

_counts, bin_boundaries, _patches = ax.hist(data['Col1'])
for i in bin_boundaries:
    ax.axvline(i, color='navy', ls='--')
    ax.text(i, 1.01, f'{i:.1f}', transform=ax.get_xaxis_transform(), ha='center', va='bottom', color='navy')
plt.show()

为了更好地控制离散数据的直方图，最好给出明确的 bin，很好地围绕给定的值（例如plt.hist(..., bins=[-0.5, 0.5, 1.5]) ）。 更好的方法是创建计数 plot：计算各个值并绘制条形 plot（直方图只是一种特定类型的条形图）。

这是这种“计数图”的示例。 （请注意，numpy 的np.unique()的return_counts=参数仅适用于较新的版本，1.9 及更高版本。）

from matplotlib import pyplot as plt
import numpy as np
import pandas as pd

data = pd.DataFrame({'Col1': np.random.choice(['ok', '18 let'], 10, p=[0.2, 0.8])})

plt.style.use('ggplot')
plt.locator_params(axis='y', integer=True)
plt.ylabel('Frequency', fontweight='bold')

labels, counts = np.unique(data['Col1'], return_counts=True)
plt.bar(labels, counts)
plt.show()

请注意，seaborn 的histplot()可以更好地处理离散数据。 使用字符串或显式设置discrete=True时，会自动计算适当的 bin。