当数据点紧密聚集时，为什么 matplotlib 会错误地显示直方图

Question

我试图在直方图中显示一些数据，但是当数据聚集得太紧密时，我要么得到一张空图，要么得到一个我认为不准确的图表。

考虑以下代码：

import numpy as np
from matplotlib import pyplot as plt

# Generate data
nums = np.random.rand(1000)+1000

# Make Histogram
plt.hist(nums, bins=1000, alpha=0.6, color='blue')  
plt.xlim([900,1100])
plt.yscale('linear')
plt.grid(True)
plt.show()

这给出了下图：

但是，如果我将 xlim 值更改为：

plt.xlim([990,1010])

我得到：

如果我再次更改它，

plt.xlim([999,1001])

我明白了

由于每个箱覆盖的数字范围较小，我预计箱的峰值会减少，而不是增加。有什么我不明白的地方吗，或者这是 matplotlib 的问题吗？ （注意：这似乎与matplotlib中的空直方图 - 小间隔数据非常相似，但我认为我已经更明确地提出了问题，并注意到了一个额外的问题，即使结果图不是空白的（即最高值）我的第三个地块的较窄的垃圾箱比第二个地块的垃圾箱更大）

Answer 1

处理随机数据时，设置种子总是一个好主意，以保证每次运行都处理相同的数据。

import numpy as np
from matplotlib import pyplot as plt

# Generate data
np.random.seed(1000)
nums = np.random.rand(1000)+1000

即使使用完全相同的数据，我们也会面临您所说的相同问题。为了说明这一点，我将用四个不同的 x 轴限制来显示我的图：

fig, axs = plt.subplots(2, 2)

bins = 100

n0, bins0, patches0 = axs[0,0].hist(nums, bins=bins, color='blue')
axs[0,0].set_xlim([900,1100])
axs[0,0].grid()

n1, bins1, patches1 = axs[0,1].hist(nums, bins=bins, color='blue')
axs[0,1].set_xlim([990,1010])
axs[0,1].grid()

n2, bins2, patches2 = axs[1,0].hist(nums, bins=bins, color='blue')
axs[1,0].set_xlim([999,1002])
axs[1,0].grid()

n3, bins3, patches3 = axs[1,1].hist(nums, bins=bins, color='blue')
axs[1,1].set_xlim([999.9,1001.1])
axs[1,1].grid()

plt.show()

是的，即使有 100 个垃圾箱而不是 1000 个垃圾箱，问题也会出现。但是如果您检查

n

和

bins

中的信息，它们都是相同的（应该如此，因为情节完全相同).

可以通过执行来检查

print((n0 == n1).all() and (n0 == n2).all() and (n0 == n3).all())
# True

如果数据相同但绘图不同，则这似乎是一个低分辨率问题。在这里你可以看到另外两张图片：

• 这个之前有一个

  fig.set_size_inches(10, 5)

  plt.show

  

• 这个之前有一个

  fig.set_size_inches(100, 50)

  plt.show

  

您可以在本地电脑上以更高的分辨率尝试此操作，但这实际上可以解决问题。

对于低分辨率的图形，要绘制的箱数多于正在使用的像素，因此

matplotlib

必须进行某种数据采样。这就是为什么每次放大或缩小绘图都会发生变化的原因。
如果您为绘图设置更大的大小，它将能够显示更多数量的垃圾箱，从而使您的绘图更值得信赖。