Python 在matplotlib直方图中设置相对频率

我将数据作为浮动列表，并将其绘制为直方图。函数的作用是绘制绝对直方图。然而，我不知道如何以相对频率的形式表示它——我希望它在y轴上是一个分数，或者理想情况下是一个百分比

代码如下：

fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, patches = ax.hist(mydata, bins=100, normed=1, cumulative=0)
ax.set_xlabel('Bins', size=20)
ax.set_ylabel('Frequency', size=20)
ax.legend

plt.show()

---

我认为normed=1参数可以，但它给出的分数太高，有时大于1。它们似乎也依赖于箱子大小，好像它们没有被箱子大小或其他东西标准化。然而，当我将累计=1时，它很好地总结为1。那么，陷阱在哪里？顺便说一句，当我把同样的数据输入原点并绘制它时，它给出了完全正确的分数。谢谢大家!

因为hist的normed选项返回点的密度，例如dN/dx

你需要的是这样的东西：

 # assuming that mydata is an numpy array
 ax.hist(mydata, weights=np.zeros_like(mydata) + 1. / mydata.size)
 # this will give you fractions

---

或者您可以使用

set_major_formatter

调整y轴的比例，如下所示：

from matplotlib import ticker as tick

def adjust_y_axis(x, pos):
    return x / (len(mydata) * 1.0)

ax.yaxis.set_major_formatter(tick.FuncFormatter(adjust_y_axis))

---

只需调用

adjust_y_axis

，如上所述

plt.show（）

相对频率格式设置选项

density=True

。下图显示了从正态分布中采集的1000个样本的直方图，平均值为5，标准偏差为2.0

代码是

import numpy as np
import matplotlib.pyplot as plt

# Generate data from normal distibution
mu, sigma = 5, 2.0 # mean and standard deviation
mydata = np.random.normal(mu, sigma, 1000)

fig = plt.figure()
ax = fig.add_subplot(111)
ax.hist(mydata,bins=100,density=True);
plt.show()

如果要在y轴上显示%s，可以使用

PercentFormatter

，如下所示

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter

# Generate data from normal distibution
mu, sigma = 5, 2.0 # mean and standard deviation
mydata = np.random.normal(mu, sigma, 1000)

fig = plt.figure()
ax = fig.add_subplot(111)
ax.hist(mydata,bins=100,density=False);
ax.yaxis.set_major_formatter(PercentFormatter(xmax=100))
plt.show()

---

为什么在引号中使用“列表”，您的数据和存储方式是否有特殊之处？您还调用了您的数据

data

，这很奇怪，因为Python命名约定规定

CamelCase

必须保留给类名—请参阅PEP 8。很抱歉造成误解。我只是不确定声明数据类型和参数等的约定。因此，我编辑了原始帖子，删除了所有引号。这只是整个代码的和平，为了简化，我重命名了变量，只是为了在这里发布它。在原始代码中，它们的名称较长，对我来说很有意义，但与问题无关，因为代码的其余部分工作得很好。我现在把它改名为mydata。不用担心，只是让你知道。为改进问题干杯，让它对每个人都更好。

normed

不推荐使用。您可以使用

密度

。它使积分（不是和）等于1。这就解决了问题。非常迅速的帮助。还有一个问题，如何将其表示为百分比而不是分数，即，如果没有默认参数，如何修改y轴值。再次非常感谢！如果您想要百分比，只需使用ax.hist（mydata，weights=np.zeros_like（data）+100./data.size）好了，现在我知道了权重的实际用途。再次感谢！我认为这是一样的：np.one_like（data）/data.sizeI很欣赏它，尽管我不得不使用len（data）为什么乘以

1.0

？答案是不对的。将密度设置为true意味着直方图上的积分为1，而不是所有的箱子加起来都是100%。