Python 系列的直方图值

我在Python Pandas系列中有一些值（类型：

Pandas.core.Series.Series

）

我想得到直方图的值（不需要绘制直方图）。。。我只需要得到每个间隔的频率

假设我的时间间隔是从[-200；-150]到[950；1000]

所以下限是

lwb = range(-200,1000,50)

upb = range(-150,1050,50)

上界是

lwb = range(-200,1000,50)

upb = range(-150,1050,50)

我现在不知道如何获得频率（每个间隔内的值的数量）。。。 我确信没有必要定义lwb和upb。。。但我不知道是什么 我应该使用的函数来执行此操作！ （在深入熊猫文档之后，我认为

cut

函数可以帮助我，因为这是一个离散化问题……但我不知道如何使用它）

完成此操作后，我将查看显示直方图的方法（但这是另一个问题）

您只需使用

NumPy

：

import numpy as np
count, division = np.histogram(series)

其中，division是自动计算的存储箱边界，count是每个存储箱中的人口

count, division = np.histogram(series, bins = [-201,-149,949,1001])

如果需要固定一定数量的存储箱，可以使用参数存储箱并指定存储箱数量，或者直接为其指定每个存储箱之间的边界

count, division = np.histogram(series, bins = [-201,-149,949,1001])

要绘制结果，可以使用matplotlib函数hist，但如果在熊猫中工作，则每个系列都有其自己的hist函数句柄，并且可以为其指定所选的装箱：

series.hist(bins=division)

---

编辑： 正如另一张海报所提到的，

Pandas

构建在

NumPy

之上。由于OP明确使用了

Pandas

，我们可以通过

Pandas

访问

NumPy

来取消额外的导入：

count，division=pd.np.直方图（系列）

如果你说你想得到直方图的值，如果我没弄错的话，你只是在寻找序列中每个唯一值的频率。在这种情况下，您只需执行

serie.value\u counts（）

，即可获得：

 0.0      16
-90.0      8
-100.0     5
-80.0      3
 63.0      1
-50.0      1
 130.0     1
 190.0     1
 840.0     1
-48.0      1
 208.0     1
-64.0      1
 812.0     1
-70.0      1
 950.0     1

---

为了获得给定间隔装箱范围内的值的频率计数，我们可以使用它返回每个元素的半开装箱索引，并计算它们各自的计数

要绘制其计数，可以绘制条形图

step = 50
bin_range = np.arange(-200, 1000+step, step)
out, bins  = pd.cut(s, bins=bin_range, include_lowest=True, right=False, retbins=True)
out.value_counts(sort=False).plot.bar()

按计数降序排列的每个间隔的频率：

out.value_counts().head()
[-100, -50)    18
[0, 50)        16
[800, 850)      2
[-50, 0)        2
[950, 1000)     1
dtype: int64

---

为了美观起见，要修改绘图以仅包括范围的较低闭合间隔，可以执行以下操作：

out.cat.categories = bins[:-1]
out.value_counts(sort=False).plot.bar()

---

序列的单数是“序列”：接近-但直方图是在每个箱子中寻找频率，它可能包含几个唯一的值。例如，-50和-48可能在同一个箱子中。OP的问题指定他的直方图中有间隔为50的箱子。@FemtoTrader-Pandas是建立在numpy上的！！！：-）请注意，

pd.np

已被弃用。请直接导入numpy:）