我正在使用Matplotlib生成一些直方图，但是我在弄清楚如何使直方图的xticks与柱状图对齐时遇到了一些问题。
这是我用来生成直方图的代码示例：
from matplotlib import pyplot as py
py.hist(histogram_data, 49, alpha=0.75)
py.title(column_name)
py.xticks(range(49))
py.show()
我知道histogram_data数组中的所有值都在[0,1,...,48]范围内。假设我的计算正确，这意味着有49个唯一的值。我想显示每个值的直方图。下面是生成的图片。
如何设置图表，使得所有的x轴刻度都对齐于每个条形图的左、中或右侧？
简短回答：使用plt.hist(data, bins=range(50))以获得左对齐的箱子，plt.hist(data, bins=np.arange(50)-0.5)以获得中心对齐的箱子等。
另外，如果性能很重要，因为您想要唯一整数的计数，有几种略微更有效的方法（np.bincount），我将在最后展示。
作为您所看到的内容的独立示例，请考虑以下内容：
import matplotlib.pyplot as plt
import numpy as np
# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)
plt.hist(data, bins=10)
plt.xticks(range(10))
plt.show()
正如您所注意到的，这些箱子与整数区间不对齐。这基本上是因为您要求在0和9之间有10个垃圾箱，这并不完全等同于为10个唯一值请求垃圾箱。
您想要的垃圾箱的数量与唯一值的数量并不完全相同。在这种情况下，您实际上应该手动指定bin边缘。
为了解释发生了什么，请跳过matplotlib.pyplot.hist，直接使用底层的numpy.histogram函数。
例如，假设您有值[0、1、2、3]。您的第一反应可能是执行：
In [1]: import numpy as np
In [2]: np.histogram([0, 1, 2, 3], bins=4)
Out[2]: (array([1, 1, 1, 1]), array([ 0. , 0.75, 1.5 , 2.25, 3. ]))
返回的第一个数组是计数，第二个数组是箱边缘（换句话说，它们是您绘图中条形图边缘的位置）。
请注意，我们得到了预期的计数，但是因为我们要求在数据的最小值和最大值之间有4个bin，所以bin的边缘不在整数值上。
接下来，您可以尝试：
In [3]: np.histogram([0, 1, 2, 3], bins=3)
Out[3]: (array([1, 1, 2]), array([ 0., 1., 2., 3.]))
请注意，bin边缘（即第二个数组）是您预期的，但计数不正确。这是因为最后一个bin的行为与其他bin不同，正如numpy.histogram文档中所述：
Notes
-----
All but the last (righthand-most) bin is half-open. In other words, if
`bins` is::
[1, 2, 3, 4]
then the first bin is ``[1, 2)`` (including 1, but excluding 2) and the
second ``[2, 3)``. The last bin, however, is ``[3, 4]``, which *includes*
4.
因此，你实际上应该明确指定你想要的分箱边界，并将其设置为 0.5 的间隔，然后要么在最后一个数据点之外包含一个 bin 边缘，要么将 bin 边缘进行移动。例如：
In [4]: np.histogram([0, 1, 2, 3], bins=range(5))
Out[4]: (array([1, 1, 1, 1]), array([0, 1, 2, 3, 4]))
现在让我们将其应用于第一个示例，看看它是什么样子：
import matplotlib.pyplot as plt
import numpy as np
# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)
plt.hist(data, bins=range(11)) # <- The only difference
plt.xticks(range(10))
plt.show()
好的，很好！然而，我们现在实际上有了左对齐的容器。如果我们想要中心对齐的容器更好地反映这些是唯一值，该怎么办？
快速的方法就是移动容器边缘：
import matplotlib.pyplot as plt
import numpy as np
# Generate a random array of integers between 0-9
# data.min() will be 0 and data.max() will be 9 (not 10)
data = np.random.randint(0, 10, 1000)
bins = np.arange(11) - 0.5
plt.hist(data, bins)
plt.xticks(range(10))
plt.xlim([-1, 10])
plt.show()
同样地，对于右对齐的容器，只需将其偏移-1。
对于唯一整数值的特殊情况，我们可以采用另一种更有效的方法。
如果您处理的是从0开始的唯一整数计数，则最好使用numpy.bincount而不是使用numpy.hist。
例如：
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randint(0, 10, 1000)
counts = np.bincount(data)
# Switching to the OO-interface. You can do all of this with "plt" as well.
fig, ax = plt.subplots()
ax.bar(range(10), counts, width=1, align='center')
ax.set(xticks=range(10), xlim=[-1, 10])
plt.show()
这种方法有两个主要优点。一个是速度。 numpy.histogram（因此plt.hist）基本上通过numpy.digitize和numpy.bincount运行数据。由于您正在处理唯一的整数值，因此不需要执行numpy.digitize步骤。
然而，更大的优势是在显示方面具有更多控制权。如果您希望矩形更细，请使用较小的宽度:
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randint(0, 10, 1000)
counts = np.bincount(data)
# Switching to the OO-interface. You can do all of this with "plt" as well.
fig, ax = plt.subplots()
ax.bar(range(10), counts, width=0.8, align='center')
ax.set(xticks=range(10), xlim=[-1, 10])
plt.show()
import matplotlib.pyplot as plt
import numpy as np
import random
n=1000
x=np.zeros(1000)
for i in range(n):
x[i]=random.uniform(0,100)
现在让我们创建直方图。
n, bins, edges = plt.hist(x,bins=5,ec="red",alpha=0.7)
现在，既然你知道了从左到右箱子边缘的位置，请将其显示为x轴刻度。
plt.xticks(bins)
plt.show()
我觉得最好的方法是使用从 matplotlib.hist 返回的 patches 和 bins。以下是一个简单的例子。
import numpy as np
import matplotlib.pyplot as plt
data = np.random.randint(10, 60, 1000)
height, bins, patches = plt.hist(data, bins=15, ec='k')
ticks = [(patch.get_x() + (patch.get_x() + patch.get_width()))/2 for patch in patches] ## or ticklabels
ticklabels = (bins[1:] + bins[:-1]) / 2 ## or ticks
plt.xticks(ticks, np.round(ticklabels, 2), rotation=90)
plt.show()
bins.append(sorted(set(labels))[-1])，则保留 HTML 标签。
bins = [i_bin - 0.5 for i_bin in set(labels)]
# bins.append(sorted(set(labels))[-1])
plt.hist(labels, bins)
plt.show()
bins = [i_bin - 0.5 for i_bin in set(labels)]
bins.append(sorted(set(labels))[-1])
plt.hist(labels, bins)
plt.show()
np.bincount()或ax.bar()。import matplotlib.pyplot as plt
import matplotlib.ticker as tkr
data = np.random.randint(0, 10, 1000)
mybins = range(11)
fig, ax = plt.subplots()
ax.hist(data, bins=mybins, rwidth=0.8)
ax.set_xticks(mybins)
ax.xaxis.set_minor_locator(tkr.AutoMinorLocator(n=2))
ax.xaxis.set_minor_formatter(tkr.FixedFormatter(mybins))
ax.xaxis.set_major_formatter(tkr.NullFormatter())
for tick in ax.xaxis.get_minor_ticks():
tick.tick1line.set_markersize(0)
(来源: pbrd.co)
histogram_data绘制成直方图时，会得到一个具有49个均匀间隔数字的图形。当您说“我想显示每个值的直方图”时，您的意思是什么？ - Srivatsan