Seaborn：使用相对频率的distplot()函数

Question

我正在为一个研究项目尝试使用Seaborn制作一些直方图。我希望y轴是相对频率，x轴从-180到180运行。

这是我用于其中一个直方图的代码：

import pandas as pd
from matplotlib import pyplot as plt
%matplotlib inline
import seaborn as sns

df = pd.read_csv('sample.csv', index_col=0)

x = df.Angle
sns.distplot(x, kde=False);

这将输出： 我无法弄清如何将输出转换为频率而不是计数。我尝试了许多不同类型的图表来获得频率输出，但一无所获。我也看到了这个问题，它似乎在countplot with frequencies（但使用另一个函数）的要求。我尝试使用它作为指南，但失败了。任何帮助将不胜感激。我非常新手，对这个软件和Python也不熟悉。

我的数据看起来像下面这样，可以下载：

- Melanie Shebel

---

一点数据会非常有帮助来回答问题。 - Bharath M Shetty

为回答者提供复制粘贴格式的数据是非常有帮助的。例如 df = pd.DataFrame({'number': [1,2,3,4,5,6], 'angle': [-0.126, 1, 9, 72.3, -44.2489, 87.44]})。 - 3novak

Answer 1

有一个sns.displot参数可以将计数转换为频率（或者按照sns的说法，密度）。它通常为False，所以您需要将其设置为True才能启用。在您的情况下：

sns.distplot(x, kde=False, norm_hist=True)

如果您想让x轴从-180到180运行，只需使用：

plt.xlim(-180, 180)

根据Seaborn文档：

norm_hist : bool, optional

If True, the histogram height shows a density rather than a count. This is implied if a KDE or fitted density is plotted.

- Thomas Matthew

---

这将绘制概率密度而不是频率密度。请参见https://math.stackexchange.com/a/2667263/11687。 - farhanhubble

请注意，新的 sns.histplot 有更多选项，其中包括 stat="probability"。 - JohanC

请注意，sns.distplot已被弃用，而JohanC提到的sns.histplot(x, stat="probability")不仅是一种替代方法，而且是建议采用的方法。 - seulberg1

如果您还希望条形图具有相同的总体大小（以查看相对而非绝对差异），您还可以设置common_norm=False。 - dopexxx

Answer 2

特别是作为初学者，尽量保持简单。你有一个数字列表

a = [-0.126,1,9,72.3,-44.2489,87.44]

你想创建一个直方图，为此需要定义一些区间。假设你想将-180到180的范围分成宽度为20的区间，

import numpy as np
bins = np.arange(-180,181,20)

你可以使用numpy.histogram计算直方图，它会返回每个区间内的计数。

hist, edges = np.histogram(a, bins)

相对频率是每个区间内事件数量与总事件数的比值。

freq = hist/float(hist.sum())

因此，数量freq是您想要绘制为条形图的相对频率。

import matplotlib.pyplot as plt
plt.bar(bins[:-1], freq, width=20, align="edge", ec="k" )

这导致了以下图表，您可以从中读出例如33%的值位于0到20的范围内。

完整代码：

import numpy as np
import matplotlib.pyplot as plt

a = [-0.126,1,9,72.3,-44.2489,87.44]

bins = np.arange(-180,181,20)

hist, edges = np.histogram(a, bins)
freq = hist/float(hist.sum())

plt.bar(bins[:-1],freq,width=20, align="edge", ec="k" )

plt.show()

- ImportanceOfBeingErnest