matplotlib hist 函数参数密度不起作用

Question

plt.hist

的

density

论证不起作用。

我尝试使用

density

函数中的

plt.hist

参数来规范化图中的股票收益，但它不起作用。

以下代码对我来说效果很好，并给出了我想要的概率密度函数。

import matplotlib
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

# example data
mu = 100  # mean of distribution
sigma = 15  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)

num_bins = 50

plt.hist(x, num_bins, density=1)

plt.show()

但是当我用股票数据尝试时，它根本不起作用。结果给出了非标准化数据。我在我的数据数组中没有发现任何异常数据。

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
plt.hist(returns, 50,density = True)
plt.show()
# "returns" is a np array consisting of 360 days of stock returns

Answer 1

这是 Matplotlib 中的一个已知问题。

如错误报告中所述：pyplot.hist() 中的密度标志无法正常工作

当密度 = False 时，直方图将在 Y 轴上有计数。但当密度 = True 时，Y 轴并不意味着任何有用的东西。我认为更好的实现是将 PDF 绘制为密度 = True 时的直方图。

开发人员将此视为一项功能而不是错误，因为它保持了与 numpy 的兼容性。他们已经关闭了一些关于它的错误报告，因为它正在按预期工作。更令人困惑的是，matplotlib 网站上的示例似乎显示此功能与 y 轴一起被分配了一个有意义的值。

你想用 matplotlib 做的事情是合理的，但 matplotlib 不会让你这样做。

Answer 2

这不是一个错误。 条形面积等于 1。 数字看起来很奇怪，因为你的垃圾箱尺寸很小

Answer 3

既然这个问题还没有解决；基于 @user14518925 的响应实际上是正确的，这将 bin 宽度视为实际有效数字，而根据我的理解，您希望每个 bin 的宽度为 1，这样频率之和为 1。更简洁地说，您是什么看到的是：

\sum_{i}y_{i} imes ext{bin 大小} =1

而你想要的是：

\sum_{i}y_{i} =1

因此，您真正需要更改的是 y 轴上的刻度标签。一种方法是禁用密度选项：

density = false

然后除以总样本量（如您的示例所示）：

import matplotlib
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

# example data
mu = 0 # mean of distribution
sigma = 0.0000625  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)

fig = plt.figure()
plt.hist(x, 50, density=False)
locs, _ = plt.yticks() 
print(locs)
plt.yticks(locs,np.round(locs/len(x),3))
plt.show()

Answer 4

除了 tvbc 之外，另一种方法是更改绘图上的 yticks。

import matplotlib.pyplot as plt
import numpy as np

steps = 10
bins = np.arange(0, 101, steps)
data = np.random.random(100000) * 100

plt.hist(data, bins=bins, density=True)
yticks = plt.gca().get_yticks()
plt.yticks(yticks, np.round(yticks * steps, 2))
plt.show()

Answer 5

一开始我也认为这是一个问题。我认为 y 轴中显示的刻度值不应大于 1。这意味着该箱中的频率大于总频率，这根本没有任何意义。

想了一会儿，我明白了到底发生了什么。所以我们期望它返回的是概率分布函数，它只不过是 （观测到的 bin 频率）/（总频率）。但是 Matplotlib 返回的密度为 （观测到的 bin 频率）/（总频率 * 每个 bin 的长度）。如果每个 bin 的长度远小于 1，则该特定 bin 的密度可以超过 1。但直方图下的总面积仍为 1。如，所有 bin 的 sum(密度*bin_length) = sum(每个频率) /（总频率）= 1.

我希望这个解释有帮助。