Matplotlib直方图density=True纵轴频率错误显示问题

已于 2023-11-25 23:08:11 修改
阅读量536 收藏 9
点赞数 7
文章标签： matplotlib
于 2023-11-25 23:05:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_53800617/article/details/134621994
版权

当你发现你设置density=True时，直方图纵轴的频率没有进行归一化显示：
是的这是matplotlib的特性
Matplotlib的hist所进行的归一化不是对样本频率的归一化，而是对直方图面积的归一。
详见https://github.com/matplotlib/matplotlib/issues/15603
以及https://stackoverflow.com/questions/55555466/matplotlib-hist-function-argument-density-not-working?newreg=04bd913ba2d347fa9b0b201369e5cccc
总而言之matplotlib嘴硬着保持着一个令人讨厌的功能。

清时++
关注
  • 7
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python基于matplotlib绘制栈式直方图的方法示例
09-21
本示例主要讲解如何使用matplotlib绘制栈式直方图，这对于比较多个数据集的分布情况非常有用。栈式直方图将不同数据集的柱状图堆叠在一起，使得我们可以清晰地观察各组数据之间的相对差异。 首先，我们需要导入必要...
matplotlib density=true 时概率和不为1
zhuofutong的博客
12-01 5654
使用ax.hist()函数想要把数据转为密度直方图，直接使用density=true有时候y轴甚至会大于1。 density=ture的意思是保证该面积的积分为1，并不是概率和为1，因此我们需要对其进行改进。 最简单对方法就是对每个bin增加权重，强迫它为我们的概率值： weights = np.ones_like(myarray)/float(len(myarray)) plt.hist(myarray, weights=weights) ...
plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式
studyvcmfc的专栏
07-09 1万+
plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式 plt.figure() plt.figure(figsize=(12,12), dpi=80) plt.subplot(231) #plt.plot([i for i in range(len(fresh))],fresh) plt.hist(fresh,bins=10,density=False,histtype='stepfil..
matplotlib可视化之直方图plt.hist()与密度图
weixin_46707493的博客
08-21 4万+
函数功能：判定数据(或特征)的分布情况 调用方法：plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False) 参数说明： x：指定要绘制直方图的数据；
Python数据分析与挖掘——使用Matplotlib绘制直方图
dsy0221的博客
09-20 8982
1.使用hist绘制频数直方图 在Matplotlib中有一个专门绘制直方图的函数hist()，用来显示一组数据的分布情况。 使用hist()函数，无需对数据进行分拣整理，即可自动生成直方图。使用格式如下： plt.hist(x, bins) # 参数名基于官方文档声明 参数x：用于绘制直方图的一维数组，列表或者DataFrame的列向量形式。 参数bins：分两种情况： （1）一个整数，按照数组的最小取值范围（即以数组的最小值和最大值作为区间的两端点）均匀分为若干组。 （2）数字列表，以.
matplotlib直方图
小鹰的博客
03-22 287
直方图： 用于绘制连续的数据 和前面几种绘图最大的区别就是，绘图使用plt.hist(原始数据a，组数[，density=True])函数，并且简单绘图时不需要传x、y轴坐标，只需要传进待绘图的原始连续数据，设置好分组数量，函数会自动将每组数据的个数计算出来，并且绘制到图上。如果使用density=True,则y轴坐标则会由数量变为频率。 其余的绘制过程和折线图使用函数一样 连续数据绘制直方图时：...
python matplotlib库直方图绘制详解
01-20
总的来说，使用Python的matplotlib库绘制直方图涉及的关键步骤包括：计算数据的极差、确定适当的组数和组距、调用`plt.hist()`函数绘制直方图，并可选择性地添加`normed=True`参数以得到频率分布直方图。此外，还...
[Matplotlib科学绘图系列]使用Matplotlib绘制直方图
最新发布
11-21
[Matplotlib科学绘图系列]使用Matplotlib绘制直方图 导入必要的库：我们需要导入matplotlib.pyplot库，以便进行数据可视化的工作。这个库非常常用，并且对于数据可视化有很强大的支持。我们将这个库简写为plt，以...
Matplotlib中的绘制直方图—hist()方法
KJ.JK，正在火热更新全网最新最全的华为OD题库
11-28 6799
          直方图是统计报告图的一种，它由一系列高度不等的纵向条纹或线段来表示数据的分布情况，一般用横轴表示数据所属的类别，用纵轴表示数量或占比。直方图适用于比较数据之间的多少           pyplot模块的hist()函数用于绘制直方图，其语法格式如下： matplotlib.pyplot.h
matplotlib.pyplot plt.hist() 绘制概率图时，概率和不为1的问题（已解决）
qq_40344897的博客
04-24 3771
数据是10,000个随机投掷的骰子 uni_data = np.random.randint(1, 7, 10000) 直方图 直接用density=1，y轴的概率值是不对的 方法一：用bins修正，同时修正了x刻度对不齐的问题 plt.hist(uni_data,bins=np.arange(0.5, 7.5), edgecolor='w',density=1) 方法二：给bins增加权重（参考） weights = np.ones_like(uni_data )/float(len(uni_
直方图python_python数据分析与挖掘（六）--- matplotlib直方图
weixin_39669163的博客
11-20 454
直方图(histogram)1 直方图介绍直方图，形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。 在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。相关概念：组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数组距：每一组两个端点的差2 直...
python绘制直方图matplotlib.pyplot.hist( ) 方法常用参数详解
热门推荐
Jared的博客
11-03 9万+
1.在了解绘制直方图函数的参数之前，首先要知道如何绘制直方图： 一般而言，直方图一般用于观察数据的分布情况，横轴将根据观测到的数据选择合适的范围进行范围分段，即将整个观测数据的范围分成一系列间隔，每一个间隔称为一个组距，然后计算每个间隔中有多少值；每个间隔中的值称为频数，用纵轴来代表频数的话就是我们常说的频数直方图，此时直方图中的面积没有意义 根据纵轴表示的不同，还有一种直方图称为频率直方图，...
python plt 绘制直方图概率密度和不为1
wzg2016的博客
06-19 3841
使用ax.hist()函数想要把数据转为密度直方图，但发现直接使用density=true得到的值很奇怪，y轴甚至会大于1，不符合我的预期。 查了资料发现density=ture的意思是保证该面积的积分为1，并不是概率和为1，因此我们需要对其进行改进。 最简单对方法就是对每个bin增加权重，强迫它为我们的概率值： weights = np.ones_like(myarray)/float(len(myarray)) plt.hist(myarray, weights=weights) 1 2 这样就可以保
Matplotlib学习---用matplotlib画直方图/密度图（histogram, density plot）
weixin_33725272的博客
08-14 2111
直方图用于展示数据的分布情况，x轴是一个连续变量，y轴是该变量的频次。 下面利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。 数据地址：http://datasets.flowingdata.com/crimeRatesByState2005.csv 以下是这个数据文件的前5行： state murder...
python plot hist 密度图 概率和不为1
crazy_scott的博客
11-23 1万+
使用ax.hist()函数想要把数据转为密度直方图，但发现直接使用density=true得到的值很奇怪，y轴甚至会大于1，不符合我的预期。 查了资料发现density=ture的意思是保证该面积的积分为1，并不是概率和为1，因此我们需要对其进行改进。 最简单对方法就是对每个bin增加权重，强迫它为我们的概率值： weights = np.ones_like(myarray)/float(len(...
Otsu大津算法公式推导及python实现
m0_54351828的博客
10-10 3805
OTSU（大津算法）是一种用于图像分割过程中，自动计算出一个最佳全局阈值的算法。本文对OTSU大津算法原理理论进行推导，并对每一步详细说明，使推导过程通俗易懂，并用python-opencv进行编程验证。
Python数据分析入门（十八）：绘制直方图
Python案例分享，B站视频教程：https://space.bilibili.com/523606542
04-12 1931
Python爬虫、数据分析、网站开发等案例教程视频免费在线观看 https://space.bilibili.com/523606542 Python学习交流群：1039649593 直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的条纹表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。 直方图是数值数据分布的精确图形表示。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重
dpi 、 dip 、分辨率、屏幕尺寸、px、density 关系以及换算
07-14 1634
一、基本概念 dip ： Densityindependent pixels ，设备无关像素。 dp ：就是dip px ： 像素 dpi ：dots per inch ， 直接来说就是一英寸多少个像素点。常见取值 120，160，240。我一般称作像素密度，简称密度 density ： 直接翻译的话貌似叫 密度。常见...
关于hist
weixin_34174132的博客
03-30 74
""" Demo of the histogram (hist) function with a few features. In addition to the basic histogram, this demo shows a few optional features: * Setting the number of data bins * The ``...
matplotlib 频率直方图 不除组距
08-17
当使用matplotlib绘制频率直方图时，可以选择是否除以组距。如果不除以组距，则直方图的纵轴表示每个组中的观测次数或频数，而不是频率。在使用density=True参数绘制频率直方图时，matplotlib会自动将频数除以总观测次数，以得到每个组的频率。如果不想除以组距，可以将density参数设置为False。这样，直方图的纵轴将表示观测次数而非频率。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Matplotlib之直方图绘制](https://blog.csdn.net/weixin_44327634/article/details/123745262)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值