Gibt es einen Parameter in matplotlib / pandas, um die Y-Achse eines Histogramms als Prozentsatz zu haben?

Ich würde gerne den Vergleich von zwei Histogrammen durch die Y-Achse zeigt den Prozentsatz für jede Spalte aus dem gesamten dataset-Größe, statt einen absoluten Wert. Ist das möglich? Ich bin mit Pandas und matplotlib.
Dank

Kommentar zu dem Problem - Öffnen
Hinzufügen von normed=True in Ihrem plt.hist(). Kommentarautor: Rutger Kassies
Danke! für einige Grund, die option ist nicht dokumentiert unter pandas.pydata.org/pandas-docs/dev/generated/... . Ich bin jedoch immer Werte auf der Y-Achse gleich sind und großer als 1 ist (z.B. 1.4). Keine Ahnung, wie das möglich ist? Meine intuition war, dass einmal normalisiert, die Werte sollten zwischen 0-1. Kommentarautor: d1337
Das zweite problem!!! Kommentarautor: wolfsatthedoor

InformationsquelleAutor der Frage d1337 | 2013-07-26

  1. 36

    Den normed=True gibt ein Histogramm für die np.sum(pdf * np.diff(bins)) gleich 1 ist. Wenn Sie möchten, dass die Summe der Histogramm-1 sein, die Sie verwenden können, Numpy - Histogramm() und normalisieren Sie die Ergebnisse selbst.

    x = np.random.randn(30)

fig, ax = plt.subplots(1,2, figsize=(10,4))

ax[0].hist(x, normed=True, color='grey')

hist, bins = np.histogram(x)
ax[1].bar(bins[:-1], hist.astype(np.float32) / hist.sum(), width=(bins[1]-bins[0]), color='grey')

ax[0].set_title('normed=True')
ax[1].set_title('hist = hist /hist.sum()')

    Gibt es einen Parameter in matplotlib /pandas, um die Y-Achse eines Histogramms als Prozentsatz zu haben?

    Btw: Seltsam, Plotten glitch bei der ersten bin der linke plot.

    InformationsquelleAutor der Antwort Rutger Kassies

  2. 11

    Pandas zeichnen können akzeptieren keine extra Schlüsselwort-Argumente aus den jeweiligen matplotlib Funktion. So der Vollständigkeit halber aus den Kommentaren der anderen hier, dies ist, wie man es tun würde:

    import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(100,2), columns=list('AB'))

df.hist(normed=1)

    Auch, zum direkten Vergleich kann dies ein guter Weg:

    df.plot(kind='hist', normed=1, bins=20, stacked=False, alpha=.5)

    InformationsquelleAutor der Antwort rshield

  3. 7

    Sieht aus wie @CarstenKönig den richtigen Weg gefunden:

    df.hist(bins=20, weights=np.ones_like(df[df.columns[0]]) * 100. / len(df))

    InformationsquelleAutor der Antwort hobs

  4. 3

    Können Sie vereinfachen die Gewichtung mit np.ones_like():

    df["ColumnName"].plot.hist(weights = np.ones_like(df.index) / len(df.index))
    • np.ones_like() ist okay, mit dem df.index-Struktur
    • len(df.index) ist schneller für große DataFrames

    InformationsquelleAutor der Antwort Christoph Schranz

Schreibe einen Kommentar