Histogramme #

So zeichnen Sie Histogramme mit Matplotlib.

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import colors
from matplotlib.ticker import PercentFormatter

# Create a random number generator with a fixed seed for reproducibility
rng = np.random.default_rng(19680801)

Generieren Sie Daten und zeichnen Sie ein einfaches Histogramm #

Um ein 1D-Histogramm zu erzeugen, benötigen wir nur einen einzigen Zahlenvektor. Für ein 2D-Histogramm benötigen wir einen zweiten Vektor. Wir generieren beide unten und zeigen das Histogramm für jeden Vektor.

N_points = 100000
n_bins = 20

# Generate two normal distributions
dist1 = rng.standard_normal(N_points)
dist2 = 0.4 * rng.standard_normal(N_points) + 5

fig, axs = plt.subplots(1, 2, sharey=True, tight_layout=True)

# We can set the number of bins with the *bins* keyword argument.
axs[0].hist(dist1, bins=n_bins)
axs[1].hist(dist2, bins=n_bins)

(array([2.0000e+00, 2.1000e+01, 5.1000e+01, 2.3500e+02, 7.8100e+02,
       2.1000e+03, 4.5730e+03, 8.3390e+03, 1.2758e+04, 1.6363e+04,
       1.7345e+04, 1.4923e+04, 1.0920e+04, 6.4830e+03, 3.1070e+03,
       1.3810e+03, 4.5300e+02, 1.2200e+02, 3.6000e+01, 7.0000e+00]), array([3.20889223, 3.38336526, 3.55783829, 3.73231132, 3.90678435,
       4.08125738, 4.25573041, 4.43020344, 4.60467647, 4.7791495 ,
       4.95362253, 5.12809556, 5.30256859, 5.47704162, 5.65151465,
       5.82598768, 6.00046071, 6.17493374, 6.34940677, 6.5238798 ,
       6.69835283]), <BarContainer object of 20 artists>)

Histogrammfarben aktualisieren #

Die Histogrammmethode gibt (unter anderem) ein patchesObjekt zurück. Dadurch erhalten wir Zugriff auf die Eigenschaften der gezeichneten Objekte. Damit können wir das Histogramm nach unseren Wünschen bearbeiten. Lassen Sie uns die Farbe jedes Balkens basierend auf seinem y-Wert ändern.

fig, axs = plt.subplots(1, 2, tight_layout=True)

# N is the count in each bin, bins is the lower-limit of the bin
N, bins, patches = axs[0].hist(dist1, bins=n_bins)

# We'll color code by height, but you could use any scalar
fracs = N / N.max()

# we need to normalize the data to 0..1 for the full range of the colormap
norm = colors.Normalize(fracs.min(), fracs.max())

# Now, we'll loop through our objects and set the color of each accordingly
for thisfrac, thispatch in zip(fracs, patches):
    color = plt.cm.viridis(norm(thisfrac))
    thispatch.set_facecolor(color)

# We can also normalize our inputs by the total number of counts
axs[1].hist(dist1, bins=n_bins, density=True)

# Now we format the y-axis to display percentage
axs[1].yaxis.set_major_formatter(PercentFormatter(xmax=1))

Zeichnen Sie ein 2D-Histogramm #

Um ein 2D-Histogramm zu zeichnen, benötigt man nur zwei Vektoren gleicher Länge, die jeder Achse des Histogramms entsprechen.

fig, ax = plt.subplots(tight_layout=True)
hist = ax.hist2d(dist1, dist2)

Anpassen Ihres Histogramms #

Das Anpassen eines 2D-Histogramms ähnelt dem 1D-Fall, Sie können visuelle Komponenten wie die Bin-Größe oder die Farbnormalisierung steuern.

fig, axs = plt.subplots(3, 1, figsize=(5, 15), sharex=True, sharey=True,
                        tight_layout=True)

# We can increase the number of bins on each axis
axs[0].hist2d(dist1, dist2, bins=40)

# As well as define normalization of the colors
axs[1].hist2d(dist1, dist2, bins=40, norm=colors.LogNorm())

# We can also define custom numbers of bins for each axis
axs[2].hist2d(dist1, dist2, bins=(80, 10), norm=colors.LogNorm())

plt.show()

Verweise

In diesem Beispiel wird die Verwendung der folgenden Funktionen, Methoden, Klassen und Module gezeigt:

Gesamtlaufzeit des Skripts: (0 Minuten 2,108 Sekunden)

Galerie generiert von Sphinx-Gallery