使用gnuplot的直方图？

如果我的.dat文件已经有了正确的装箱数据，我知道如何在gnuplot中创建直方图（只需使用“with box”）。有没有一种方法可以获取数字列表，并让gnuplot根据用户提供的范围和箱子大小提供直方图？

是的，它快速简单，但非常隐蔽：

binwidth=5
bin(x,width)=width*floor(x/width)

plot 'datafile' using (bin($1,binwidth)):(1.0) smooth freq with boxes

查看

help smooth freq

，了解为什么上面会生成直方图

---

要处理范围，只需设置xrange变量。

我对Born2Smile非常有用的答案做了一些修正/补充：

空箱子导致相邻箱子的箱子错误地伸入其空间；使用

set-boxwidth-binwidth

在Born2Smile的版本中，垃圾桶被渲染为以其下限为中心。严格来说，它们应该从下限延伸到上限。这可以通过修改

bin

功能来纠正：

bin（x，宽度）=宽度*地板（x/宽度）+宽度/2.0

---

你想画一个像这样的图吗？ 对然后你可以看看我的博客文章：

代码中的关键行：

n=100 #number of intervals
max=3. #max value
min=-3. #min value
width=(max-min)/n #interval width
#function used to map a value to the intervals
hist(x,width)=width*floor(x/width)+width/2.0
set boxwidth width*0.9
set style fill solid 0.5 # fill style

#count and plot
plot "data.dat" u (hist($1,width)):(1.0) smooth freq w boxes lc rgb"green" notitle

---

我发现这个讨论非常有用，但我遇到了一些“圆满”的问题

更准确地说，使用0.05的binwidth，我注意到，使用上面介绍的技术，读取0.1和0.15的数据点落在同一个bin中。这（显然是不必要的行为）很可能是由于“地板”功能造成的

以下是我试图绕过这一点的小小贡献

bin(x,width,n)=x<=n*width? width*(n-1) + 0.5*binwidth:bin(x,width,n+1)
binwidth = 0.05
set boxwidth binwidth
plot "data.dat" u (bin($1,binwidth,1)):(1.0) smooth freq with boxes

---

bin（x，宽度，n）=x=0；我们可以用更多的条件语句来概括这一点，以获得更一般的结果。
我们不需要使用递归方法，它可能很慢。我的解决方案是使用用户定义的函数rint instsd或instrinsic函数int或floor

rint(x)=(x-int(x)>0.9999)?int(x)+1:int(x)

此函数将给出
rint（0.0003/0.0001）=3
，而
int（0.0003/0.0001）=floor（0.0003/0.0001）=2

为什么?？请仔细阅读
请注意：本页上的所有答案都隐含着从用户手中决定装箱的开始位置-最左侧箱子的左侧边缘，如果您愿意的话。如果用户将这些用于装箱数据的功能与他/她自己关于装箱从何处开始的决定相结合（正如在上面链接的博客上所做的），则上述功能都是不正确的。对于装箱“Min”的任意起点，正确的函数是：

bin(x) = width*(floor((x-Min)/width)+0.5) + Min

你可以看到为什么这是正确的顺序（它有助于画几个箱子和一个点在其中的某个地方）。从数据点中减去Min，以查看它在装箱范围内有多远。然后除以binwidth，这样就可以有效地以“箱子”为单位工作。然后“地板”将结果移到该箱子的左边缘，再加上0.5移到箱子的中间，乘以宽度，这样您就不再以箱子为单位工作，而是以绝对比例工作，最后再加上在开始时减去的最小偏移量

考虑这一作用：

Min = 0.25 # where binning starts
Max = 2.25 # where binning ends
n = 2 # the number of bins
width = (Max-Min)/n # binwidth; evaluates to 1.0
bin(x) = width*(floor((x-Min)/width)+0.5) + Min

e、 g.值1.1真正落在左侧箱子中：


此功能可将其正确映射到左侧储物箱的中心（0.75）
Born2Smile的答案是bin（x）=width*floor（x/width），错误地将其映射为1
mas90的答案，bin（x）=宽度*地板（x/宽度）+bin宽度/2.0，错误地将其映射到1.5

Born2Smile的答案只有在（n+0.5）*binwidth（其中n在整数上运行）出现bin边界时才是正确的。mas90的答案只有在料仓边界出现在n*binwidth时才是正确的。
我对Born2Smile的解做了一些修改

我知道这没有多大意义，但你可能想要以防万一。如果您的数据是整数，并且您需要浮点数大小（可能是为了与另一组数据进行比较，或者在更精细的网格中绘制密度），则需要在地板内部添加一个介于0和1之间的随机数。否则，由于舍入误差将出现峰值<代码>地板（x/width+0.5）

将不起作用，因为它将创建与原始数据不符的图案

binwidth=0.3
bin(x,width)=width*floor(x/width+rand(0))

---

和往常一样，Gnuplot是绘制漂亮图形的绝佳工具，可以让它执行各种计算然而，它用于绘制数据，而不是用作计算器，使用外部程序（如倍频程）进行更“复杂”的计算，将数据保存在文件中，然后使用Gnuplot生成图形通常更容易。对于上述问题，请使用

[freq，bins]=hist（data）

检查“hist”函数是否为倍频程，然后使用

set style histogram rowstacked gap 0
set style fill solid 0.5 border lt -1
plot "./data.dat" smooth freq with boxes

---

关于bining函数，我没有想到到目前为止提供的函数会有这样的结果。也就是说，如果我的binwidth是0.001，那么这些函数将把箱子集中在0.0005点上，而我觉得将箱子集中在0.001边界上更直观

换句话说，我想

Bin 0.001 contain data from 0.0005 to 0.0014
Bin 0.002 contain data from 0.0015 to 0.0024
...

我提出的binning函数是

my_bin(x,width)     = width*(floor(x/width+0.5))

下面是一个脚本，用于将提供的一些bin函数与此函数进行比较：

rint(x) = (x-int(x)>0.9999)?int(x)+1:int(x)
bin(x,width)        = width*rint(x/width) + width/2.0
binc(x,width)       = width*(int(x/width)+0.5)
mitar_bin(x,width)  = width*floor(x/width) + width/2.0
my_bin(x,width)     = width*(floor(x/width+0.5))

binwidth = 0.001

data_list = "-0.1386 -0.1383 -0.1375 -0.0015 -0.0005 0.0005 0.0015 0.1375 0.1383 0.1386"

my_line = sprintf("%7s  %7s  %7s  %7s  %7s","data","bin()","binc()","mitar()","my_bin()")
print my_line
do for [i in data_list] {
    iN = i + 0
    my_line = sprintf("%+.4f  %+.4f  %+.4f  %+.4f  %+.4f",iN,bin(iN,binwidth),binc(iN,binwidth),mitar_bin(iN,binwidth),my_bin(iN,binwidth))
    print my_line
}

这是输出

   data    bin()   binc()  mitar()  my_bin()
-0.1386  -0.1375  -0.1375  -0.1385  -0.1390
-0.1383  -0.1375  -0.1375  -0.1385  -0.1380
-0.1375  -0.1365  -0.1365  -0.1375  -0.1380
-0.0015  -0.0005  -0.0005  -0.0015  -0.0010
-0.0005  +0.0005  +0.0005  -0.0005  +0.0000
+0.0005  +0.0005  +0.0005  +0.0005  +0.0010
+0.0015  +0.0015  +0.0015  +0.0015  +0.0020
+0.1375  +0.1375  +0.1375  +0.1375  +0.1380
+0.1383  +0.1385  +0.1385  +0.1385  +0.1380
+0.1386  +0.1385  +0.1385  +0.1385  +0.1390

---

同一数据集上不同数量的存储箱可以显示数据的不同特征

不幸的是，没有通用的最佳方法可以确定垃圾箱的数量

其中一个强大的方法是，它根据给定数据集的统计信息自动确定存储箱的数量

因此，以下内容可用于在

gnuplot

脚本中使用Freedman–Diaconis规则：

...
## preceeding gnuplot commands
...

#
samples="$samplesFile"
stats samples nooutput
N = floor(STATS_records)
samplesMin = STATS_min
samplesMax = STATS_max
# Freedman–Diaconis formula for bin-width size estimation
    lowQuartile = STATS_lo_quartile
    upQuartile = STATS_up_quartile
    IQR = upQuartile - lowQuartile
    width = 2*IQR/(N**(1.0/3.0))
    bin(x) = width*(floor((x-samplesMin)/width)+0.5) + samplesMin

plot \
    samples u (bin(\$1)):(1.0/(N*width)) t "Output" w l lw 1 smooth freq 

假设您有一个包含单个样本列的文件，

samplesFile

：

# samples
0.12345
1.23232
...

以下内容（基于）可以嵌入到现有的

gnuplot

脚本中：

...
## preceeding gnuplot commands
...

#
samples="$samplesFile"
stats samples nooutput
N = floor(STATS_records)
samplesMin = STATS_min
samplesMax = STATS_max
# Freedman–Diaconis formula for bin-width size estimation
    lowQuartile = STATS_lo_quartile
    upQuartile = STATS_up_quartile
    IQR = upQuartile - lowQuartile
    width = 2*IQR/(N**(1.0/3.0))
    bin(x) = width*(floor((x-samplesMin)/width)+0.5) + samplesMin

plot \
    samples u (bin(\$1)):(1.0/(N*width)) t "Output" w l lw 1 smooth freq 

---

如果你没有得到答案，还有其他工具可以用来做这些事情。我使用Root（）这里很多其他人使用R，至少还有一些其他选项