python plot hist 密度图 概率和不为1

最新推荐文章于 2024-12-26 01:01:29 发布
原创 最新推荐文章于 2024-12-26 01:01:29 发布 · 1.8w 阅读 · 59 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #hist

本文解决使用matplotlib的ax.hist()函数绘制密度直方图时，y轴值超过1的问题。通过为每个bin分配权重，确保y轴总和为1，实现正确的概率密度显示。
部署运行你感兴趣的模型镜像

使用ax.hist()函数想要把数据转为密度直方图，但发现直接使用density=true得到的值很奇怪，y轴甚至会大于1，不符合我的预期。
查了资料发现density=ture的意思是保证该面积的积分为1，并不是概率和为1，因此我们需要对其进行改进。
最简单对方法就是对每个bin增加权重，强迫它为我们的概率值：

weights = np.ones_like(myarray)/float(len(myarray))
plt.hist(myarray, weights=weights)

这样就可以保证y轴和为1了～
更多讨论参考这里

您可能感兴趣的与本文相关的镜像

Python3.10

Python3.10

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

python用sns.histplot求概率密度图，解决概率密度和不为1的问题
weixin_46713695的博客
10-25 4622
python用sns.histplot求概率密度图，解决概率密度和不为1的问题
python绘图-hist绘制直方图
编程小鹏的博客
01-18 2404
hist用于绘制的数据是未经过统计的，即原始数据。 import matplotlib.pyplot as plt if __name__ == '__main__': x=[123,56,78,67,75,125,57,55,58,65,63,74,76,127,124,79,65,59,77,120] #设置组距 d=5 #求出组数 num_bins=(max(x)-min(x))//d#取整 #绘制频数分布直方图 #plt.hist(x,nu.
使用plt.hist绘制直方图
最新发布
2302_76774649的博客
12-26 732
是 Matplotlib 中用于绘制直方图的函数。直方图用于展示数据的频率分布，特别适合数值型数据的分析。的用法以及各个常用参数的含义。
python绘制 plot hist 密度图 概率和不为1
weixin_46713695的博客
07-16 1351
python plot hist 密度图 概率和不为1
matplotlib.pyplot plt.hist() 绘制概率图时，概率和不为1的问题（已解决）
qq_40344897的博客
04-24 4475
数据是10,000个随机投掷的骰子 uni_data = np.random.randint(1, 7, 10000) 直方图 直接用density=1，y轴的概率值是不对的 方法一：用bins修正，同时修正了x刻度对不齐的问题 plt.hist(uni_data,bins=np.arange(0.5, 7.5), edgecolor='w',density=1) 方法二：给bins增加权重（参考） weights = np.ones_like(uni_data )/float(len(uni_
python绘制直方图和密度图的实例
09-19
本文将详细介绍如何使用Python中的Pandas库来绘制直方图和密度图，并通过具体的代码示例来进行演示。 #### 一、直方图（Histogram） 直方图是一种用于展示连续数据分布情况的图表。它将数据分成若干区间（或称为...
python hist alpha_Python数据可视化:一文读懂直方图和密度图
weixin_35878217的博客
01-13 901
一图胜千言，使用Python的matplotlib库，可以快速创建高质量的图形。用matplotlib生成基本图形非常简单，只需要几行代码，但要创建复杂的图表，需要调用更多的命令和反复试验，这要求用户对matplotlib有深入的认识。我们推出一个新的系列教程：Python数据可视化，针对初级和中级用户，将理论和示例代码相结合，分别使用matplotlib, seaborn, plotly等工具实...
直方图python_Python数据可视化的例子——直方图和核密度曲线
weixin_39518530的博客
11-24 3229
直方图一般用来观察数据的分布形态，横坐标代表数值的均匀分段，纵坐标代表每个段内的观测数量（频数）。一般直方图都会与核密度图搭配使用，目的是更加清晰地掌握数据的分布特征，下面将详细介绍该类型图形的绘制。1．matplotlib模块matplotlib模块中的hist函数就是用来绘制直方图的。关于该函数的语法及参数含义如下：plt.hist(x, bins=10, range=None, normed...
python绘制密度图
群智能算法开发
05-25 4460
可以使用多种库来绘制密度图，其中最常用的是 seaborn 和 matplotlib。
plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式
studyvcmfc的专栏
07-09 1万+
plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式 plt.figure() plt.figure(figsize=(12,12), dpi=80) plt.subplot(231) #plt.plot([i for i in range(len(fresh))],fresh) plt.hist(fresh,bins=10,density=False,histtype='stepfil..
关于python中plt.hist参数的使用详解
09-18
今天小编就为大家分享一篇关于python中plt.hist参数的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python plt 绘制直方图概率密度和不为1
wzg2016的博客
06-19 4387
使用ax.hist()函数想要把数据转为密度直方图，但发现直接使用density=true得到的值很奇怪，y轴甚至会大于1，不符合我的预期。 查了资料发现density=ture的意思是保证该面积的积分为1，并不是概率和为1，因此我们需要对其进行改进。 最简单对方法就是对每个bin增加权重，强迫它为我们的概率值： weights = np.ones_like(myarray)/float(len(myarray)) plt.hist(myarray, weights=weights) 1 2 这样就可以保
matplotlib画概率直方图概率之和不为1
linuxchyu的专栏
12-01 4436
比如使用如下代码画一个概率直方图： #!/usr/bin/env python # -*- coding: utf-8 -*- __author__ = 'YC' import os import numpy as np import matplotlib.pyplot as plt import matplotlib.patches as patches import matpl
matplotlib可视化之直方图plt.hist()与密度图
weixin_46707493的博客
08-21 6万+
函数功能：判定数据(或特征)的分布情况 调用方法：plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False) 参数说明： x：指定要绘制直方图的数据；
python matplotlib模块绘制直方图 250部电影时长分布 hist库中normed参数更新与新参数density
yk 坤帝
02-28 2066
python matplotlib模块绘制直方图 250部电影时长分布 from matplotlib import pyplot as plt plt.rcParams['font.family'] = ['sans-serif'] plt.rcParams['font.sans-serif'] = ['SimHei'] a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128
Python数据可视化的例子——直方图（hist）和核密度曲线（kde）
热门推荐
Fo*(Bi)的博客
08-24 6万+
直方图一般用来观察数据的分布形态，横坐标代表数值的均匀分段，纵坐标代表每个段内的观测数量（频数）。一般直方图都会与核密度图搭配使用，目的是更加清晰地掌握数据的分布特征，下面将详细介绍该类型图形的绘制。 1．matplotlib模块 matplotlib模块中的hist函数就是用来绘制直方图的。关于该函数的语法及参数含义如下： plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=
估计的概率密度函数大于1 ？？
henielh的博客
05-25 9998
https://towardsdatascience.com/pdf-is-not-a-probability-5a4b8a5d9531 概率密度函数（PDF)不是概率 probability density function v.s. probability 概率密度函数在x点的取值可能大于1，那么它是如何积分和取到1？ 已知一个点最大的概率是1，但是对于一些概率密度函数中，比如指数分布的PDF中，PDF能取到1.5 如果PDF函数的对应x的取值并非在负无穷和正无穷取满，而是只取一小段，其他x对应的PD
python如何计算概率事件_Python实现的概率分布运算操作示例
weixin_39965881的博客
12-04 1111
本文实例讲述了Python实现的概率分布运算操作。分享给大家供大家参考，具体如下：1. 二项分布(离散)import numpy as npfrom scipy import statsimport matplotlib.pyplot as plt'''# 二项分布 (binomial distribution)# 前提：独立重复试验、有放回、只有两个结果# 二项分布指出，随机一次试验出现事件A的...
python绘画直方图hist()函数参数讲解
Y_Y_DS的博客
05-16 2870
histtype：指定直方图的类型，可以是 ‘bar’、‘barstacked’、‘step’、‘stepfilled’ 中的一个。可以是一个整数，表示箱子的数量，也可以是一个序列，指定每个箱子的边界。例如，如果某些数据点比其他数据点重要，则可以为每个数据点提供相应的权重。align：指定直方图箱子的对齐方式，可以是 ‘left’、‘mid’、‘right’ 中的一个。density：如果为 True，则返回直方图的密度，即每个箱子的频率除以总频率。range：指定直方图的范围，即绘制的数据的范围。
python概率密度直方图和曲线图的绘制
09-14
### 回答1： 你可以使用 Python 的 Matplotlib 库来绘制概率密度直方图和曲线图。以下是一个简单的例子： ```python import numpy as np import matplotlib.pyplot as plt # 生成随机数据 data = np.random.normal(size=1000) # 绘制概率密度直方图 plt.hist(data, density=True, bins=30, alpha=0.5) plt.xlabel('Value') plt.ylabel('Probability density') plt.title('Probability density histogram') # 绘制概率密度曲线图 plt.figure() plt.plot(np.arange(-3, 3, 0.1), 1/(np.sqrt(2*np.pi)*1)*np.exp(-(np.arange(-3, 3, 0.1)**2)/(2*1**2))) plt.xlabel('Value') plt.ylabel('Probability density') plt.title('Probability density curve') plt.show() ``` 这个例子中，我们首先生成了一个包含 1000 个标准正态分布随机数的数据。然后，我们使用 `hist()` 函数绘制了概率密度直方图，并使用 `plot()` 函数绘制了概率密度曲线图。 在绘制概率密度直方图时，我们使用 `density=True` 参数来指定绘制概率密度而不是频率直方图，使用 `bins` 参数来指定直方图的箱子数量，使用 `alpha` 参数来指定直方图的透明度。 在绘制概率密度曲线图时，我们使用 NumPy 库中的 `np.arange()` 函数生成了一个从 -3 到 3，步长为 0.1 的数组作为 x 轴坐标，使用正态密度函数计算了每个 x 坐标对应的 y 值，并使用 `plot()` 函数绘制了曲线。 ### 回答2： Python可以使用matplotlib库中的函数来绘制概率密度直方图和曲线图。首先需要导入matplotlib库和numpy库，其中numpy库用于生成随机数。 概率密度直方图可以通过hist()函数进行绘制。该函数接收一个数据集作为输入，并将数据集分成多个区间，然后统计每个区间中的数据个数，并绘制出直方图。可以通过调整bins参数来控制区间的个数，通过调整density参数为True来保证每个区间内的面积总和为1。 例如，通过以下代码可以绘制一个具有10000个随机数的概率密度直方图： ```python import matplotlib.pyplot as plt import numpy as np # 生成随机数 data = np.random.normal(0, 1, 10000) # 绘制概率密度直方图 plt.hist(data, bins=50, density=True) plt.xlabel('Value') plt.ylabel('Density') plt.title('Probability Density Histogram') plt.show() ``` 曲线图可以通过plot()函数进行绘制。该函数接收一个x轴的数据和一个y轴的数据作为输入，并将其连接起来绘制出曲线图。可以通过调整linewidth参数来调整曲线的粗细。 例如，通过以下代码可以绘制一个正弦曲线图： ```python import matplotlib.pyplot as plt import numpy as np # 生成x轴数据 x = np.linspace(0, 2*np.pi, 100) # 生成y轴数据 y = np.sin(x) # 绘制曲线图 plt.plot(x, y, linewidth=2) plt.xlabel('x') plt.ylabel('y') plt.title('Sine Curve') plt.show() ``` 以上就是使用Python绘制概率密度直方图和曲线图的基本方法。根据具体的需求，还可以对图形进行进一步的调整和美化。 ### 回答3： Python中可以使用Matplotlib库来绘制概率密度直方图和曲线图。 对于概率密度直方图的绘制，可以使用Matplotlib的hist函数。首先需要将数据准备好，可以使用Numpy库生成一组随机数或者从外部文件中读取数据。然后使用hist函数传入数据以及其他参数，如bin的个数、颜色、透明度等，就可以绘制出概率密度直方图。为了更好地展示概率分布，可以使用normed参数来设置为True，使直方图的面积为1，即表示概率密度。 对于曲线图的绘制，可以使用Matplotlib的plot函数。同样需要准备好数据，一般是两个数组，表示x和y的坐标。然后使用plot函数传入这两个数组以及其他参数，如颜色、线型、标记等，就可以绘制出曲线图。为了更好地显示曲线的曲率，可以使用plot函数的kind参数来选择不同的线型，如折线图、平滑曲线等。 此外，还可以通过Matplotlib的subplot函数来绘制多个子图，同时显示概率密度直方图和曲线图。使用subplot函数可以设置多个子图的行数和列数，然后在每个子图上使用hist或plot函数来绘制相应的图形。 总之，通过使用Matplotlib库的hist函数和plot函数，可以方便地绘制概率密度直方图和曲线图，展示数据的分布和变化情况。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值