Python 如何在不同的pylab.histogram结果之间转换

以下代码中与变量

值1

和

值2

相关的公式是什么：

values1, _ = pylab.histogram(data, bins, density = False)

values2, _ = pylab.histogram(data, bins, density = True)

?

或者换句话说，给定

值1

如何获取

值2

，从而避免再次调用

pylab.histogram

---

感谢

一维密度定义为

值/长度

。但它也是直方图的标准化方法

因此，为了从原始值得到密度值，只需除以总计数（标准化）和箱子宽度（密度）：

使用随机数组进行快速测试：

from matplotlib import pylab
import numpy as np
data = np.random.randint(0,10, 1000)
bins = np.array([0,1,2,5,11])
values1, _ = pylab.histogram(data, bins, density = False)
print(values1) 
# [ 97, 117, 278, 508]
values2, _ = pylab.histogram(data, bins, density = True)
print(values2) 
# [ 0.097, 0.117, 0.09266667, 0.08466667]
bin_width = bins[1:] - bins[:-1]
print(values1 / np.sum(values1) / bin_width) 
# [ 0.097, 0.117, 0.09266667, 0.08466667]

---

因此，本例也是如此。

为了避免混淆，请注意

pylab.histogram

实际上是

numpy

直方图函数，而不是

matplotlib

。我想您是在Python 3.x中测试的。。。我使用的是Python 2.7.11，必须在最后一行代码中执行此操作：

print values1/（1.0*np.sum（values1））/bin_width

@mljrg-是的，我使用的是Python 3。您还没有为它添加标签，因此我假设任何python版本的解决方案都可以。您还可以使用来自“未来”导入部门的“打印”功能的

来绕过行为上的差异：
from matplotlib import pylab
import numpy as np
data = np.random.randint(0,10, 1000)
bins = np.array([0,1,2,5,11])
values1, _ = pylab.histogram(data, bins, density = False)
print(values1) 
# [ 97, 117, 278, 508]
values2, _ = pylab.histogram(data, bins, density = True)
print(values2) 
# [ 0.097, 0.117, 0.09266667, 0.08466667]
bin_width = bins[1:] - bins[:-1]
print(values1 / np.sum(values1) / bin_width) 
# [ 0.097, 0.117, 0.09266667, 0.08466667]