不使用Pylab创建Python直方图

我必须生成一个高斯分布的随机数列表（我能做到这一点），然后将这些数字绘制成直方图。我的问题是，我应该这样做，而不使用pylab（或任何其他软件包）中的内置直方图函数，我完全不知所措。我一直在网上寻找，但我没有找到任何解释我将如何处理这件事的方法，你们知道我能做什么吗？提前感谢。

假设您有一个表示随机数的

numpy

数组

        rnd_numb=array([ 0.48942231,  0.48536864,  0.48614467, ...,  0.47264172,
    0.48309697,  0.48439782])

为了创建直方图，您只需要对数据进行分类。因此，让我们创建一个数组来定义装箱

       bin_array=linspace(0,1,100)

在本例中，我们将在0到1的范围内创建100个线性间隔的容器

现在，为了创建直方图，您只需执行以下操作

  my_histogram=[]
  for i in range(len(bin_array)-1):
     mask = (rnd_numb>=bin_array[i])&(rnd_numb<bin_array[i+1])
     my_histogram.append(len(rnd_numb[mask]))

---

您也可以尝试

step

或

bar

让我们假设您有一个

numpy

数组来表示您的随机数

        rnd_numb=array([ 0.48942231,  0.48536864,  0.48614467, ...,  0.47264172,
    0.48309697,  0.48439782])

为了创建直方图，您只需要对数据进行分类。因此，让我们创建一个数组来定义装箱

       bin_array=linspace(0,1,100)

在本例中，我们将在0到1的范围内创建100个线性间隔的容器

现在，为了创建直方图，您只需执行以下操作

  my_histogram=[]
  for i in range(len(bin_array)-1):
     mask = (rnd_numb>=bin_array[i])&(rnd_numb<bin_array[i+1])
     my_histogram.append(len(rnd_numb[mask]))

---

您也可以尝试

step

或

bar

计算直方图的一种快速方法是一次遍历列表中的一个元素，排序它应该在哪个箱子中，然后计算每个箱子中的条目数

hist_vals = np.zeros(nbins)
for d in data:
    bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
    hist_vals[bin_number] += 1

注意，这有一个带有小预因子的O（len（data））

写这篇文章的一个更聪明的方法是将哈希函数矢量化：

bin_number = (nbins * ((data - min_val) / (max_val - min_val))).astype(np.int)

并使用切片魔法求和：

hist_vals[bin_number] += 1  # numpy slicing magic

如果您关心速度，您可以使用numpy函数来实现这一点，但将循环置于c级别：

bin_nums = np.digitize(data, bins) - 1
hist_vals = np.bincount(bin_nums)

---

计算直方图的一种快速方法是一次遍历列表中的一个元素，排序它应该在哪个容器中，然后计算每个容器中的条目数

hist_vals = np.zeros(nbins)
for d in data:
    bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
    hist_vals[bin_number] += 1

注意，这有一个带有小预因子的O（len（data））

写这篇文章的一个更聪明的方法是将哈希函数矢量化：

bin_number = (nbins * ((data - min_val) / (max_val - min_val))).astype(np.int)

并使用切片魔法求和：

hist_vals[bin_number] += 1  # numpy slicing magic

如果您关心速度，您可以使用numpy函数来实现这一点，但将循环置于c级别：

bin_nums = np.digitize(data, bins) - 1
hist_vals = np.bincount(bin_nums)

---

这是一个基于@tacaswell解决方案的版本，但不使用numpy

def histogram(data, nbins, min_val=None, max_val=None):
    hist_vals = [0]*(nbins+1)
    if min_val is None:
        min_val = min(data)
    if max_val is None:
        max_val = max(data)

    for d in data:
        bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
        hist_vals[bin_number] += 1
    bin_lower_bounds = [min_val + i*(max_val - min_val)/len(hist_vals) for i in range(len(hist_vals))]
    return hist_vals, bin_lower_bounds

---

这是一个基于@tacaswell解决方案的版本，但不使用numpy

def histogram(data, nbins, min_val=None, max_val=None):
    hist_vals = [0]*(nbins+1)
    if min_val is None:
        min_val = min(data)
    if max_val is None:
        max_val = max(data)

    for d in data:
        bin_number = int(nbins * ((d - min_val) / (max_val - min_val)))
        hist_vals[bin_number] += 1
    bin_lower_bounds = [min_val + i*(max_val - min_val)/len(hist_vals) for i in range(len(hist_vals))]
    return hist_vals, bin_lower_bounds

---

把你的值拼成方块，然后用星号打印出每个桶中的物品数量，怎么样？例如：

对于bucket中的bucket：打印“*”*bucket

。这将为您提供一个水平显示条形图的图形表示。中的几个答案不使用任何直方图模块。将您的值拼成方块，然后用星号打印出每个方块中的项目数如何？例如：

对于bucket中的bucket：打印“*”*bucket

。这将为您提供一个水平显示条的图形表示。中的几个答案不使用任何直方图模块。这对我来说非常有效。谢谢你的帮助！当您多次触摸数据数组的每个元素（>nbins*2）时，这将严重影响扩展。你可以在一次通过数据的过程中计算出直方图，这对我来说非常有效。谢谢你的帮助！当您多次触摸数据数组的每个元素（>nbins*2）时，这将严重影响扩展。如果数据集很小，则可以通过一次数据传递计算直方图。如果您处理的是一个大样本（N>1e6），那么我提出的解决方案的规模要大得多。@Matteo您是否已经对此进行了基准测试？这应该可以更好地扩展，但可能会因为使用python而不是c进行循环而变得更慢（c中错误的算法可能比python中正确的算法更快）。我习惯于处理大量数据（N>1e8），我可以告诉您，如果使用我建议的代码，我只需要等待几分钟（最多）就可以得到答案。虽然您的方法对于小数据集或当存储箱数量很大时非常聪明和有用，但可能需要几天的时间。我刚刚在1e8数据点上运行了它，纯python版本大约需要一分钟，而

np.bincount（np.digitize（np.random.rand（1e8），np.linspace（0,1100，endpoint=True），right=True）则需要<6秒）-1）

@tcaswell:我想知道是否应该将

hist\u vals=np.zeros（nbins）

更改为

hist\u vals=np.zeros（nbins+1）

！如果数据集很小，这可能会起作用。如果您处理的是一个大样本（N>1e6），那么我提出的解决方案的规模要大得多。@Matteo您是否已经对此进行了基准测试？这应该可以更好地扩展，但可能会因为使用python而不是c进行循环而变得更慢（c中错误的算法可能比python中正确的算法更快）。我习惯于处理大量数据（N>1e8），我可以告诉您，如果使用我建议的代码，我只需要等待几分钟（最多）就可以得到答案。虽然您的方法对于小数据集或当存储箱数量很大时非常聪明和有用，但可能需要几天的时间。我刚刚在1e8数据点上运行了它，纯python版本大约需要一分钟，而

np.bincount（np.digitize（np.random.rand（1e8），np.linspace（0,1100，endpoint=True），right=True）则需要<6秒）-1）

@tcaswell:我想知道是否应该将

hist\u vals=np.zeros（nbins）

更改为

hist\u vals=np.zeros（nbins+1）

！