Matplotlib xticks 未与直方图对齐

Question

我正在使用 matplotlib 生成一些直方图，但在弄清楚如何使直方图的 xticks 与条形对齐时遇到了一些麻烦。

这是我用来生成直方图的代码示例：

from matplotlib import pyplot as py

py.hist(histogram_data, 49, alpha=0.75)
py.title(column_name)
py.xticks(range(49))
py.show()

我知道

histogram_data

数组中的所有值都在

[0,1,...,48]

中。假设我计算正确，这意味着有 49 个唯一值。我想显示每个值的直方图。这是生成的图片。

如何设置图表，使所有 xticks 与每个条形的左侧、中间或右侧对齐？

Answer 1

简短回答： 使用

plt.hist(data, bins=range(50))

来获取左对齐的 bin，使用

plt.hist(data, bins=np.arange(50)-0.5)

来获取居中对齐的 bin，等等。

此外，如果性能很重要，因为您需要唯一整数的计数，我将在最后展示一些稍微更有效的方法（

np.bincount

）。

问题陈述

---

作为您所看到内容的独立示例，请考虑以下内容：

import matplotlib.pyplot as plt
import numpy as np

# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)

plt.hist(data, bins=10)
plt.xticks(range(10))
plt.show()

正如您所注意到的，垃圾箱没有与整数间隔对齐。这基本上是因为您要求 0 和 9 之间的 10 个 bin，这与要求 10 个唯一值的 bin 不太一样。 您想要的 bin 数量与唯一值的数量并不完全相同。在这种情况下，您实际上应该做的是手动指定 bin 边缘。

为了解释发生了什么，让我们跳过

matplotlib.pyplot.hist

并仅使用底层

numpy.histogram

函数。例如，假设您有值

[0, 1, 2, 3]

。你的第一反应是：

In [1]: import numpy as np

In [2]: np.histogram([0, 1, 2, 3], bins=4)
Out[2]: (array([1, 1, 1, 1]), array([ 0.  ,  0.75,  1.5 ,  2.25,  3.  ]))

返回的第一个数组是计数，第二个数组是 bin 边缘（换句话说，条形边缘位于绘图中的位置）。

请注意，我们得到了预期的计数，但因为我们要求数据的最小值和最大值之间有 4 个 bin，所以 bin 边缘不在整数值上。

接下来，您可以尝试：

In [3]: np.histogram([0, 1, 2, 3], bins=3)
Out[3]: (array([1, 1, 2]), array([ 0.,  1.,  2.,  3.]))

请注意，箱边缘（第二个数组）是您所期望的，但计数不是。这是因为最后一个垃圾箱的行为与其他垃圾箱不同，如 

numpy.histogram

的文档中所述：

Notes
-----
All but the last (righthand-most) bin is half-open.  In other words, if
`bins` is::

  [1, 2, 3, 4]

then the first bin is ``[1, 2)`` (including 1, but excluding 2) and the
second ``[2, 3)``.  The last bin, however, is ``[3, 4]``, which *includes*
4.

因此，您实际应该做的是准确指定所需的 bin 边缘，并且包括超出最后一个数据点的边界，或者将 bin 边缘移动到 

0.5

间隔。例如：

In [4]: np.histogram([0, 1, 2, 3], bins=range(5))
Out[4]: (array([1, 1, 1, 1]), array([0, 1, 2, 3, 4]))

料箱对齐

现在让我们将其应用到第一个示例中，看看它是什么样子：

---

import matplotlib.pyplot as plt
import numpy as np

# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)

plt.hist(data, bins=range(11)) # <- The only difference
plt.xticks(range(10))
plt.show()

好的，太好了！然而，我们现在实际上拥有左对齐的垃圾箱。如果我们希望中心对齐的分箱更好地反映这些是唯一值的事实怎么办？

快速的方法是移动垃圾箱边缘：

import matplotlib.pyplot as plt
import numpy as np

# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)

bins = np.arange(11) - 0.5
plt.hist(data, bins)
plt.xticks(range(10))
plt.xlim([-1, 10])

plt.show()

与右对齐垃圾箱类似，只需移动

-1

。

另一种方法

对于唯一整数值的特殊情况，我们可以采取另一种更有效的方法。

---

如果您要处理从 0 开始的唯一整数计数，则最好使用

numpy.bincount

而不是使用

numpy.hist

。例如：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randint(0, 10, 1000)
counts = np.bincount(data)

# Switching to the OO-interface. You can do all of this with "plt" as well.
fig, ax = plt.subplots()
ax.bar(range(10), counts, width=1, align='center')
ax.set(xticks=range(10), xlim=[-1, 10])

plt.show()

这种方法有两大优点。一是速度。

numpy.histogram

（因此

plt.hist

）基本上通过

numpy.digitize

然后

numpy.bincount

运行数据。因为您正在处理唯一的整数值，所以无需执行

numpy.digitize

步骤。然而，更大的优势是对显示的更多控制。如果您喜欢更薄的矩形，只需使用更小的宽度：

import matplotlib.pyplot as plt
import numpy as np

data = np.random.randint(0, 10, 1000)
counts = np.bincount(data)

# Switching to the OO-interface. You can do all of this with "plt" as well.
fig, ax = plt.subplots()
ax.bar(range(10), counts, width=0.8, align='center')
ax.set(xticks=range(10), xlim=[-1, 10])

plt.show()

Answer 2

假设 x 中有一些数字可以生成直方图。

import matplotlib.pyplot as plt
import numpy as np
import random
n=1000
x=np.zeros(1000)
for i in range(n):
    x[i]=random.uniform(0,100)

现在让我们创建直方图。

n, bins, edges = plt.hist(x,bins=5,ec="red",alpha=0.7)

n 是编号为 的数组。每个垃圾箱中的物品数量

• bins 是包含 bin 边缘值的数组
• edges 是补丁对象列表

现在，既然您已经知道了从左到右开始的 bin 边缘的位置，请将其显示为 xticks。

plt.xticks(bins)
plt.show()

Answer 3

patches

和从

bins

返回的

matplotlib.hist

。下面是一个简单的例子。

import numpy as np
import matplotlib.pyplot as plt

data = np.random.randint(10, 60, 1000)

height, bins, patches = plt.hist(data, bins=15, ec='k')

ticks = [(patch.get_x() + (patch.get_x() + patch.get_width()))/2 for patch in patches] ## or ticklabels

ticklabels = (bins[1:] + bins[:-1]) / 2 ## or ticks

plt.xticks(ticks, np.round(ticklabels, 2), rotation=90)

plt.show()

Answer 4

bins.append(sorted(set(labels))[-1])

:

bins = [i_bin - 0.5 for i_bin in set(labels)]
# bins.append(sorted(set(labels))[-1])
plt.hist(labels, bins)
plt.show()

如果没有：

bins = [i_bin - 0.5 for i_bin in set(labels)]
bins.append(sorted(set(labels))[-1])
plt.hist(labels, bins)
plt.show()

Answer 5

np.bincount()

或

ax.bar()

import matplotlib.pyplot as plt
import matplotlib.ticker as tkr
data = np.random.randint(0, 10, 1000)
mybins = range(11)
fig, ax = plt.subplots()
ax.hist(data, bins=mybins, rwidth=0.8)
ax.set_xticks(mybins)
ax.xaxis.set_minor_locator(tkr.AutoMinorLocator(n=2))
ax.xaxis.set_minor_formatter(tkr.FixedFormatter(mybins))
ax.xaxis.set_major_formatter(tkr.NullFormatter())

for tick in ax.xaxis.get_minor_ticks():
    tick.tick1line.set_markersize(0)

（来源：
pbrd.co_）