Numpy和Pandas：如何从Pandas直方图图表中返回直方图值？

Question

我知道可以使用Pandas绘制直方图：

df4 = pd.DataFrame({'a': np.random.randn(1000) + 1})
df4['a'].hist()

但是我该如何从这样的图中获取直方图计数？

我知道可以通过以下方法实现（来自Pandas系列的直方图值）

count,division = np.histogram(df4['a'])

在使用df.hist()之后获取计数值感觉非常冗余。是否可以直接从pandas中获取频率值？

- cqcn1991

Answer 1

简短回答如下：

pd.cut(df4['a'], 10).value_counts().sort_index()

根据文档的描述：

bins: integer, default 10
Number of histogram bins to be used

所以看一下 pd.cut(df4['a'], 10).value_counts()，你会发现这些值与 np.histogram 的相同。

- piRSquared

---

@cqcn1991 我知道你更喜欢numpy。但是这回答了你的问题吗？ - piRSquared

有点像。我认为如果我们能做类似于count, division = df4['a'].hist()这样的事情会很棒。这样可以更方便，而且不需要额外的代码。 - ZK Zhao

那么如何索引结果值？哪个是定义域，哪个是值域？ - lesolorzanov

Answer 2

这是在pandas中计算直方图的另一种方法。它更加复杂，但我认为更好，因为你可以避免使用pd.cut返回的奇怪字符串型的区间，这会破坏任何绘图。同时，使用.pipe()也能让你获得风格上的加分：

(df['a']
 .pipe(lambda s: pd.Series(np.histogram(s, range=(0, 100), bins=20)))
 .pipe(lambda s: pd.Series(s[0], index=s[1][:-1]))
)

然后你可以在末尾添加更多的内容，例如：

.pipe(lambda s: s/s.sum())

这将给你一个分布。

理想情况下，pd.hist 中会有一个明智的 density，可以为您完成此操作。 Pandas 确实有一个 density=False 关键字，但它是荒谬的。我已经阅读了无数次的解释，比如 this one，但我从来没有理解过它，也不知道谁会真正使用它。当您在直方图上看到分数时，99.9％的时间您会认为是“分布”，而不是 density=True 实际计算的 np.sum(pdf * np.diff(bins))。这让你想哭。

- Alex Spangher