Python 根据Matplotlib中的预计数数据绘制直方图

我想使用Matplotlib在预先计算的数据上绘制直方图。例如，假设我有原始数据

data = [1, 2, 2, 3, 4, 5, 5, 5, 5, 6, 10]

根据这些数据，我可以使用

pylab.hist(data, bins=[...])

绘制直方图

在我的例子中，数据已预先计数，并表示为字典：

counted_data = {1: 1, 2: 2, 3: 1, 4: 1, 5: 4, 6: 1, 10: 1}

理想情况下，我希望将这个预计数的数据传递给一个直方图函数，该函数允许我控制箱子宽度、绘图范围等，就像我传递了原始数据一样。作为解决办法，我将计数扩展到原始数据：

data = list(chain.from_iterable(repeat(value, count)
            for (value, count) in counted_data.iteritems()))

当

counted_data

包含数百万个数据点的计数时，这是低效的

是否有更简单的方法使用Matplotlib从预先计算的数据生成直方图

---

或者，如果最简单的方法是预先装箱的条形图数据，是否有一种方便的方法将我的每项计数“汇总”到装箱计数中？

您可以使用

权重
关键字参数来
np.histgram
（下面调用
plt.hist
）

假设只有整数作为键，也可以直接使用
bar
：

min_bin = np.min(counted_data.keys())
max_bin = np.max(counted_data.keys())

bins = np.arange(min_bin, max_bin + 1)
vals = np.zeros(max_bin - min_bin + 1)

for k,v in counted_data.items():
    vals[k - min_bin] = v

plt.bar(bins, vals, ...)

在哪里。。。您希望传递给
bar

如果要重新存储数据，请参见
我使用的
权重

选项根据每个关键点的值对其进行权重，生成我想要的直方图：

pylab.hist（counted_data.keys（），weights=counted_data.values（），bin=range（50））

这允许我依靠

hist

重新存储数据。

存储单元数组的长度应大于“计数”的长度。以下是完全重建直方图的方法：

import numpy as np
import matplotlib.pyplot as plt
bins = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9]).astype(float)
counts = np.array([5, 3, 4, 5, 6, 1, 3, 7]).astype(float)
centroids = (bins[1:] + bins[:-1]) / 2
counts_, bins_, _ = plt.hist(centroids, bins=len(counts),
                             weights=counts, range=(min(bins), max(bins)))
plt.show()
assert np.allclose(bins_, bins)
assert np.allclose(counts_, counts)

---

您还可以使用seaborn绘制直方图：

import seaborn as sns

sns.distplot(
    list(
        counted_data.keys()
    ), 
    hist_kws={
        "weights": list(counted_data.values())
    }
)

---

除了tacaswell的评论之外，

plt.bar

对于大量的垃圾箱（>1e4），比

plt.hist

更有效。特别是对于拥挤的随机绘图，您只需要绘制最高的条形图，因为查看它们所需的宽度将覆盖它们的大部分邻居。您可以选择最高的条形图并用

i, = np.where(vals > min_height)
plt.bar(i,vals[i],width=len(bins)//50)

其他统计趋势可能更倾向于每100个条形图或类似的图

---

这里的诀窍是，

plt.hist

想要绘制所有的箱子，而

plt.bar

只需要绘制更稀疏的可见箱子集。

感谢指向

权重

选项的指针；我忽略了它，但它完美地解决了我的问题（见我的答案）。我没有建立这种联系（直接使用

bar

）。编辑以反映您的评论。您获取数据的方式比我的方式更有意义。如果你接受你自己的答案，我没问题。这是我需要的线索。在我的例子中，我有一个计数列表和箱子范围：

plt.hist（箱子，箱子=len（箱子），重量=counts）

是我需要的调用警告：我注意到如果箱子大小不同，这会给出错误的结果，并且使用了

density=True

。可能不是错误，而是pdf和cdf之间的数学差异。作为旁注：要将计数扩展为原始数据，您还可以使用

计数器

类及其元素（）方法：

从集合导入计数器

c=计数器（计数的数据）

数据=列表（c.元素（））

i, = np.where(vals > min_height)
plt.bar(i,vals[i],width=len(bins)//50)