具有對數軸的熊貓直方圖

Question

我有一個帶有時間長度數據的pandas DataFrame，以秒為單位。 長度從幾秒到幾個月不等，因此在記錄后采用直方圖很方便，因為它更好地覆蓋了范圍。 這是一個示例代碼

%matplotlib inline
import numpy as np
import pandas as pd

x=np.random.lognormal(mean=10, sigma=1, size=10000)
df=pd.DataFrame(x, range(10000), columns=['timeLength'])

np.log10(df.timeLength).hist()

但是，x軸上的標簽是按比例縮放的。 有沒有辦法把它們作為10 ^ 1等等。 或者甚至更好，如果我可以把它們放在1秒，10秒，1分鍾，10分鍾，1小時，1天等等。

Answer 1

非均勻Bin直方圖

而不是記錄值，

 np.log10(df.timeLength) 

嘗試在計算直方圖時創建非均勻分箱。 這可以通過np.histogram的bins參數來完成。

基於

如果我可以把它們放在1秒，10秒，1分鍾，10分鍾，1小時，1天等等。

可以創建以下bin數組

# Bin locations (time in seconds)
bins = np.array([0, 1, 10, 60, 60*10, 60*60, 24*60*60])

例

原始數據集被放大以填充更多的箱（ mean=5, sigma=2而不是mean=10, sigma=1 ），這僅是示例。 定義非均勻區間，計算直方圖並繪制圖。 箱子例如可以改變。

# Create random data in DataFrame
x = np.random.lognormal(mean=5, sigma=2, size=10000)
df = pd.DataFrame(x, columns=['timeLength'])

print df.describe()
print

# Create non-uniform bins.  Unit in seconds.
bins = np.array([0, 1, 10, 60, 60*10, 60*60, 24*60*60])
print 'hisogram bins:', bins

# Get histogram of random data
y, x = np.histogram(df, bins=bins, normed=True)

# Correct bin placement
x = x[1:]

# Turn into pandas Series
hist = pd.Series(y, x)

# Plot
ax = hist.plot(kind='bar', width=1, alpha=0.5, align='center')
ax.set_title('Non-Uniform Bin Histogram')
ax.set_xlabel('Time Length')
ax.set_xticklabels(['1 s', '10 s', '1 Min', '1 Hr', '1 Day', '>1 Day'], rotation='horizontal')

---

    timeLength   
count   10000.000000
mean     1014.865417
std      4751.820312
min         0.062893
25%        36.941388
50%       144.081235
75%       556.223797
max    237838.467337

hisogram bins: [    0     1    10    60   600  3600 86400]

如果這不是預期的結果，請告知。

Answer 2

如果要使用自定義分檔，可能需要將pd.cut與.groupby().count()使用並使用bar ：

x=np.random.lognormal(mean=10, sigma=1, size=10000)
df=pd.DataFrame(x, range(10000), columns=['timeLength'])

df['bin'] = pd.cut(df.timeLength,include_lowest=True, bins=[0, 1, 10, 60, 60**2, 60**2*24, df.timeLength.max()], labels=['1s', '10s', '1min', '1hr', '1d', '>1d'])
df.groupby('bin').count().plot.bar()