Python 为单元素序列生成直方图时的Seaborn距离图错误

当我使用seaborn（在0.7.1中）可视化直方图时，如果输入序列只包含一个元素，我会得到一个错误。换句话说，类似于

import numpy as np
import seaborn as sns

num_elements = 1000
sns.distplot(np.random.normal(10, 1, num_elements))

工作得很好，但是如果我将

num_elements

设置为1，则会出现以下错误：

In [8]: num_elements = 1

In [9]: sns.distplot(np.random.normal(10, 1, num_elements))
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-9-35e3f8293582> in <module>()
----> 1 sns.distplot(np.random.normal(10, 1, num_elements))

/usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc in distplot(a, bins, hist, kde, rug, fit, hist_kws, kde_kws, rug_kws, fit_kws, color, vertical, norm_hist, axlabel, label, ax)
    207     if hist:
    208         if bins is None:
--> 209             bins = min(_freedman_diaconis_bins(a), 50)
    210         hist_kws.setdefault("alpha", 0.4)
    211         hist_kws.setdefault("normed", norm_hist)

/usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc in _freedman_diaconis_bins(a)
     28     # From http://stats.stackexchange.com/questions/798/
     29     a = np.asarray(a)
---> 30     h = 2 * iqr(a) / (len(a) ** (1 / 3))
     31     # fall back to sqrt(a) bins if iqr is 0
     32     if h == 0:

TypeError: len() of unsized object

[8]中的

：num_元素=1
[9]中：sns.distplot（np.random.normal（10，1，num_元素））
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
---->1 sns.distplot（np.随机.正常（10，1，num_元素））
/distplot中的usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc（a、bin、hist、kde、rug、fit、hist、kde、rug、rug、fit、color、vertical、norm、axlabel、label、ax）
207如果历史记录：
208如果箱子没有：
-->209个料仓=最小值（\u freedman\u diaconis\u料仓（a），50）
210历史值设置默认值（“alpha”，0.4）
211 hist_kws.setdefault（“normed”，norm_hist）
/usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc in_freedman_diaconis_bins（a）
28#从http://stats.stackexchange.com/questions/798/
29 a=np.asarray（a）
--->30小时=2*iqr（a）/（透镜（a）**（1/3））
31#如果iqr为0，则返回sqrt（a）箱
32如果h==0：
TypeError:未调整大小的对象的len（）

在对源代码进行了一番探索之后，我发现可以通过指定存储箱的数量来避免这个错误。但这让我打开了通往另一个世界的大门：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-10-6e6569de737a> in <module>()
----> 1 sns.distplot(np.random.normal(10, 1, num_elements), bins=10)

/usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc in distplot(a, bins, hist, kde, rug, fit, hist_kws, kde_kws, rug_kws, fit_kws, c\olor, vertical, norm_hist, axlabel, label, ax)
    213         hist_color = hist_kws.pop("color", color)
    214         ax.hist(a, bins, orientation=orientation,
--> 215                 color=hist_color, **hist_kws)
    216         if hist_color != color:
    217             hist_kws["color"] = hist_color

/usr/local/lib/python2.7/site-packages/matplotlib/__init__.pyc in inner(ax, *args, **kwargs)
   1817                     warnings.warn(msg % (label_namer, func.__name__),
   1818                                   RuntimeWarning, stacklevel=2)
-> 1819             return func(ax, *args, **kwargs)
   1820         pre_doc = inner.__doc__
   1821         if pre_doc is None:

/usr/local/lib/python2.7/site-packages/matplotlib/axes/_axes.pyc in hist(self, x, bins, range, normed, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, **kwargs)
   5933             x = np.array([[]])
   5934         else:
-> 5935             x = _normalize_input(x, 'x')
   5936         nx = len(x)  # number of datasets
   5937

/usr/local/lib/python2.7/site-packages/matplotlib/axes/_axes.pyc in _normalize_input(inp, ename)
   5875                 else:
   5876                     raise ValueError(
-> 5877                         "{ename} must be 1D or 2D".format(ename=ename))
   5878                 if inp.shape[1] < inp.shape[0]:
   5879                     warnings.warn(

ValueError: x must be 1D or 2D

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
---->1 sns.distplot（np.random.normal（10，1，num_元素），bin=10）
/distplot中的usr/local/lib/python2.7/site-packages/seaborn/distributions.pyc（a、bin、hist、kde、rug、fit、hist_-kws、kde_-kws、rug_-kws、fit_-kws、c\olor、vertical、norm_-hist、axlabel、label、ax）
213 hist_color=hist_kws.pop（“颜色”，颜色）
214 ax.hist（a，箱子，方向=方向，
-->215颜色=历史颜色，**历史颜色（kws）
216如果历史颜色！=颜色：
217历史颜色kws[“颜色”]=历史颜色
/usr/local/lib/python2.7/site packages/matplotlib/________.pyc在内部（ax，*args，**kwargs）
1817警告。警告（消息%（标签名称，功能名称），
1818运行时警告，堆栈级别=2）
->1819返回函数（ax，*args，**kwargs）
1820预存单据=内部单据__
1821如果pre_doc为无：
/usr/local/lib/python2.7/site-packages/matplotlib/axes//u axes.pyc（self、x、bins、range、normed、weights、cumulative、bottom、histtype、align、orientation、rwidth、log、color、label、stacked、**kwargs）
5933 x=np.array（[]]
5934其他：
->5935 x=_规范化_输入（x，'x'）
5936 nx=len（x）#数据集数量
5937
/usr/local/lib/python2.7/site-packages/matplotlib/axes//u axes.pyc in\u normalize\u输入（inp，ename）
5875其他：
5876上升值错误(
->5877“{ename}必须是1D或2D”。格式（ename=ename））
5878如果输入形状[1]<输入形状[0]：
5879警告。警告(
ValueError:x必须是1D或2D

---

这是怎么回事？有什么办法可以让我强迫seaborn为这个单一元素系列绘制直方图吗？在上下文中，我需要这个，因为我在一个共享轴上绘制多个直方图，描述不同的条件。在某些情况下，在这种情况下可能只有一个元素，但我应该能够绘制只有一个条！

当数组长度为1时，您可以通过复制以下值来欺骗seaborn：

rs = np.random.RandomState(0)
num_elements = 1
x = rs.normal(10, 1, num_elements)
sns.distplot(np.r_[x, x], kde=False, norm_hist=True)

或者，如果您不需要seaborn提供的产品（大多数产品对单个元素没有意义），只需使用matplotlib或pandas：

plt.hist(x, bins=1)

---

< /P>我认为<代码>数组（[10.37823942）] < /代码>是一个单元素序列。此外，<代码> tMP= nP.No.Calm（10, 1, 1）；断言TMP是NP。运行无误，表明

np.至少返回同一个对象。另外，关于numpy中的标量主题，请注意
tmp
具有
形状
（1，）
和
1
的
len
。我可以用
np.asscalar
转换成一个真正的标量，以证明numpy有这种区别，它不再具有形状或长度。是的，你说得对。很好的解决方法。不幸的是，这意味着我必须规范化，或者接受双倍的计数。一个在我的系统中有效的相关解决方法案例涉及限制条形范围（例如，
条形=范围（0，最大值，最小尺寸）
）然后在数据集中添加一个元素，比如说
max_value+1
。不过，我仍然希望找到一个直接的解决方案。请注意，我在循环中多次调用
distplot
，在同一轴上绘制一组覆盖各种条件的重叠直方图。我在这些图中使用了seaborn的功能，但需要修改能够绘制单个元素系列，因为在某些图中，其中一个条件只有一个元素。此外，此用例排除了标准化。如果您没有绘制KDE（因此没有使用标准化）并指定仓位大小（因此没有使用参考规则默认值）然后，
sns.distplot
和
ax.hist
@Ohrounuruus之间就没有功能上的区别了。我不明白这个问题。你发布了一些不起作用的代码。如果它起作用，我希望它能创建一个像我的第一个一样的图（模样式）.我不知道这不是你期望的。请澄清。其他两种选择可能对你有效，也可能对你无效，这取决于你的实际需要。根据你提供的信息，这是我所知的
pd.Series(x).hist(bins=1);