如何在matplotlib直方圖中選擇bin

Question

有人可以向我解釋直方圖中的“bins”是什么（ matplotlib hist函數）？ 假設我需要繪制一些數據的概率密度函數，我選擇的箱子如何影響那個？ 我該如何選擇它們？ （我已經在matplotlib.pyplot.hist和numpy.histogram庫中讀過它們，但我沒有得到這個想法）

Answer 1

bins參數告訴您數據將被分成的bin數。 您可以將其指定為整數或bin邊緣列表。

例如，這里我們要20個箱子：

import numpy as np
import matplotlib.pyplot as plt

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

在這里，我們要求位置[-4，-3，-2 ... 3,4]處的bin邊緣。

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

關於如何選擇“最佳”箱數的問題是一個有趣的問題，實際上有關於這個主題的大量文獻。 已經提出了一些常用的經驗法則（例如， Freedman-Diaconis規則 ， Sturges規則，Scott規則，平方根規則等），每個規則都有自己的優點和缺點。

如果你想要一個很好的Python實現各種這些自動調整直方圖規則，你可以在最新版本的AstroPy包中查看直方圖功能，如下所述 。 這就像plt.hist一樣，但是讓你使用類似的語法，比如hist(x, bins='freedman') ，通過上面提到的Freedman-Diaconis規則來選擇bin。

我個人最喜歡的是“貝葉斯塊”（ bins="blocks" ），它解決了具有不相等的箱寬度的最佳裝箱。 你可以在這里閱讀更多內容。

---

編輯，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，您現在可以直接在matplotlib中指定自動確定的bin，通過指定，例如bins='auto' 。 這使用了Sturges和Freedman-Diaconis bin的最大選擇。 您可以在numpy.histogram文檔中閱讀有關選項的更多信息。

Answer 2

分檔是您想要將所有數據分成的間隔數，這樣它就可以在直方圖上顯示為條形。 使用多少個分箱的簡單方法是獲取分布中值總數的平方根。

Answer 3

你是否正確期望箱數對近似真實的基礎分布產生重大影響。 我自己沒有讀過原始論文，但根據Scott 1979的說法，一個好的經驗法則是使用：

R（N ^（1/3））/（3.49σ）

哪里

• R是數據范圍（在您的情況下R = 3 - （ - 3）= 6 ），

• n是樣本數量，

• σ是您的標准偏差。

Answer 4

為了補充jakes的答案 ，你可以使用numpy.histogram_bin_edges如果你只是想計算最佳的bin邊緣，而不是實際做直方圖。 histogram_bin_edges是專門為bin邊緣的最佳計算而設計的函數。 您可以為優化選擇七種不同的算法。