Matplotlib Xticks未与直方图对齐

Question

我正在使用matplotlib生成一些直方图，并且在弄清楚如何获取直方图的xticks以使其与条形对齐方面遇到一些麻烦。

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中[0,1,...,48]。假设我数学正确，则意味着有49个唯一值。我想显示每个值的直方图。这是生成的图片。

如何设置图形，使所有xtick对准每个条形的左，中或右？

Answer 1

简短答案： 请plt.hist(data, bins=range(50))改用获取左对齐的垃圾箱，plt.hist(data, bins=np.arange(50)-0.5)获取中心对齐的垃圾箱等。

另外，如果性能很重要，则由于您需要计数唯一的整数，因此np.bincount我将在后面显示一些更有效的方法（）。

问题陈述

---

作为您所看到的独立示例，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()

您已经注意到，垃圾箱没有以整数间隔对齐。这基本上是因为您要求 在 0到9 之间的 10个bin ，与要求10个唯一值的bin不太一样。

您想要的箱数与唯一值的数目不完全相同。在这种情况下，您实际应该做的是手动指定纸槽边缘。

为了解释正在发生的事情，让我们跳过matplotlib.pyplot.hist而仅使用底层numpy.histogram函数。

例如，假设您有值[0, 1, 2, 3]。您的第一个本能是：

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，第二个是bin边（换句话说，条形边在您的绘图中）。

注意，我们得到了期望的计数，但是因为我们要求在数据的最小值和最大值之间有4个bin，所以bin的边缘不在整数值上。

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，bin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不同于其他垃圾箱，如文档中所述numpy.histogram：

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，并在最后一个数据点之外添加一个或将bin边缘移至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]))

箱对齐

---

现在，将其应用于第一个示例，看看它是什么样的：

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！但是，我们现在实际上具有左对齐的垃圾箱。如果我们希望使居中对齐的垃圾箱更好地反映这些是唯一值的事实，该怎么办？

快速的方法是仅移动垃圾箱边缘：

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()

同样，对于右对齐的垃圾箱，只需移动即可-1。

另一种方法

---

对于唯一整数值​​的特殊情况，我们可以采用另一种更有效的方法。

如果要处理以0开头的唯一整数，最好使用而numpy.bincount不是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()

这种方法有两个很大的优点。一是速度。
numpy.histogram（因此plt.hist）基本上通过numpy.digitize然后运行数据numpy.bincount。因为您要处理唯一的整数值，所以无需执行此numpy.digitize步骤。

但是，更大的优势是对显示的更多控制。如果您希望使用更薄的矩形，请使用较小的宽度：

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()