python中的非等宽分块直方图

我有一个存储有概率值的数组。有些值为0。我需要绘制一个直方图，这样每个箱子中的元素数量相等。我尝试使用matplotlibs hist函数，但这可以让我决定箱子的数量。我如何进行绘图？（正常绘图和历史工作，但这不是所需的）

---

我有一万份参赛作品。只有200个值大于0且介于0.0005和0.2之间。此分布不是均匀的，因为只有一个元素具有0.2，而2000近似值为0.0005。因此，绘制它是一个问题，因为箱子的宽度必须不相等，元素数量必须相等。

这项任务对我来说没有多大意义，但下面的代码确实如此，我理解为应该做的事情

我还认为代码的最后几行是您真正想要做的。使用不同的箱子宽度来提高可视化效果（但不要针对每个箱子内等量样本的分布）！我用（）

代码

#Python 3->小心//操作符！
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从astroML导入打印为amlp
N_值=1000
N_BINS=100
#创建假数据
prob_数组=np.random.randn（N_值）
prob_数组/=np.max（np.abs（prob_数组），axis=0）#缩放一点
#排序数组
prob\u数组=np.sort（prob\u数组）
#计算垃圾箱边界，
bin_borders=[np.amin（prob_数组）]+[prob_数组[（N_值//N_bin）*i]用于范围（1，N_bin）中的i]+[np.amax（prob_数组）]
打印（'SAMPLES:'，prob_数组）
打印（'BIN-BORDERS:'，BIN_BORDERS）
#绘图历史
计数，x，y=plt.hist（概率数组，单元=单元边界）
plt.xlim（边界[0]，边界[-1]+1e-2）
打印（'计数：'，计数）
plt.show（）
#这就是，我想的，你真正想要的
图（ax1，ax2）=plt.子批次（2）
left_blob=np.random.randn（N_值/10）+3
右\u blob=np.random.randn（N\u值）+110
两者=np.hstack（（左_blob，右_blob））#数据很难以相等的仓位宽度可视化
ax1.hist（两个）
amlp.hist（两个，bin='blocks'，ax=ax2）
plt.show（）

输出

---

这项任务对我来说没有多大意义，但下面的代码就是我理解为要做的事情

我还认为代码的最后几行是您真正想要做的。使用不同的箱子宽度来提高可视化效果（但不要针对每个箱子内等量样本的分布）！我用（）

代码

#Python 3->小心//操作符！
将numpy作为np导入
将matplotlib.pyplot作为plt导入
从astroML导入打印为amlp
N_值=1000
N_BINS=100
#创建假数据
prob_数组=np.random.randn（N_值）
prob_数组/=np.max（np.abs（prob_数组），axis=0）#缩放一点
#排序数组
prob\u数组=np.sort（prob\u数组）
#计算垃圾箱边界，
bin_borders=[np.amin（prob_数组）]+[prob_数组[（N_值//N_bin）*i]用于范围（1，N_bin）中的i]+[np.amax（prob_数组）]
打印（'SAMPLES:'，prob_数组）
打印（'BIN-BORDERS:'，BIN_BORDERS）
#绘图历史
计数，x，y=plt.hist（概率数组，单元=单元边界）
plt.xlim（边界[0]，边界[-1]+1e-2）
打印（'计数：'，计数）
plt.show（）
#这就是，我想的，你真正想要的
图（ax1，ax2）=plt.子批次（2）
left_blob=np.random.randn（N_值/10）+3
右\u blob=np.random.randn（N\u值）+110
两者=np.hstack（（左_blob，右_blob））#数据很难以相等的仓位宽度可视化
ax1.hist（两个）
amlp.hist（两个，bin='blocks'，ax=ax2）
plt.show（）

输出

---

以澄清问题。我有一万份参赛作品。只有200个值大于0且介于0.0005和0.2之间。此分布不是均匀的，因为只有一个元素具有0.2，而2000近似值为0.0005。因此，绘制它是一个问题，因为箱子的宽度和元素数量必须相等。上面绘制的箱子的宽度和元素数量相等，但我怀疑这是否有用。你的问题措辞很糟糕。我现在假设，你想要一个经典的柱状图（没有每个箱子中相同数量的元素的限制；但是不相等的箱子可以提高可视化质量。如果是这样的话，你应该这么说……由于措辞不当，做不必要的工作有点令人难过，但是……看看第二种方法，使用astroml（这也是在astropy中实现的）。很抱歉这样的措辞。Thanks@duckvaderSooo…我用

method='blocks'

更新了代码，以显示经典直方图和astroml的hist之间的不同行为！这就是你想要实现的吗？好的。谷歌贝叶斯直方图获取更多信息（并了解这是否是解决您问题的有效方法）。为了澄清这个问题。我有10000个条目。只有200个条目的值大于0，并且介于0.0005和0.2之间。这个分布不是均匀的，因为只有一个元素的值为0.2，而2000个近似值为0.0005。因此，绘制它是一个问题，因为箱子的宽度必须不等，元素的数量也必须相等。上面用等式绘制了不同的箱子元素的数量，但我怀疑这是否有用。你的问题措辞非常糟糕。我现在假设，你想要一个经典的柱状图（没有每个箱子中元素数量相等的限制；但是箱子不相等以提高可视化质量。如果是这样，你应该这么说……由于措辞不当，做不必要的工作有点悲哀，但是……看看第二种方法，使用astroml（这也在astropy中实现）.对不起，这句话的措辞。Thanks@duckvaderSooo…我更新了代码，用

method='blocks'

显示了经典直方图和astroml的hist之间的不同行为！这就是你想要实现的吗？好的。谷歌贝叶斯直方图获取更多信息（并了解它是否是解决问题的有效方法）。向我们展示您的代码，以便我们可以帮助您。eq_bins=[np.百分位数（数据，q）表示范围内的q（0100）]是我最初尝试的binning。向我们展示您的代码，以便我们可以帮助您。eq_bins=[np.百分位数（数据，q）表示范围内的q（0100）]I