带对数坐标轴的pandas直方图

Question

我有一个带有时间长度数据的pandas DataFrame，单位是秒。这里的长度可以从几秒到数月不等，因此在取对数后进行直方图处理更为方便，因为它可以更好地覆盖范围。以下是示例代码：

%matplotlib inline
import numpy as np
import pandas as pd

x=np.random.lognormal(mean=10, sigma=1, size=10000)
df=pd.DataFrame(x, range(10000), columns=['timeLength'])

np.log10(df.timeLength).hist()

然而，x轴上的标签是对数刻度。有没有办法将它们放置为10 ^ 1等等。或者更好的是，如果我可以将它们放置为1秒，10秒，1分钟，10分钟，1小时，1天等。

- Linda

Answer 1

非均匀箱形图

与记录数值不同，

np.log10(df.timeLength)

尝试在计算直方图时创建非均匀分箱。这可以通过 np.histogram的bins参数 实现。

基于“如果我可以将它们放置为1秒、10秒、1分钟、10分钟、1小时、1天等”，可以创建以下分箱数组。

# Bin locations (time in seconds)
bins = np.array([0, 1, 10, 60, 60*10, 60*60, 24*60*60])

例子

原始数据集被扩大以填充更多的箱子(平均值=5，标准差=2而不是平均值=10，标准差=1)，这只是一个例子。非均匀的箱子被定义，直方图被计算并呈现出来。箱子仅供参考，可以进行修改。

# Create random data in DataFrame
x = np.random.lognormal(mean=5, sigma=2, size=10000)
df = pd.DataFrame(x, columns=['timeLength'])

print df.describe()
print

# Create non-uniform bins.  Unit in seconds.
bins = np.array([0, 1, 10, 60, 60*10, 60*60, 24*60*60])
print 'hisogram bins:', bins

# Get histogram of random data
y, x = np.histogram(df, bins=bins, normed=True)

# Correct bin placement
x = x[1:]

# Turn into pandas Series
hist = pd.Series(y, x)

# Plot
ax = hist.plot(kind='bar', width=1, alpha=0.5, align='center')
ax.set_title('Non-Uniform Bin Histogram')
ax.set_xlabel('Time Length')
ax.set_xticklabels(['1 s', '10 s', '1 Min', '1 Hr', '1 Day', '>1 Day'], rotation='horizontal')

---

    timeLength   
count   10000.000000
mean     1014.865417
std      4751.820312
min         0.062893
25%        36.941388
50%       144.081235
75%       556.223797
max    237838.467337

hisogram bins: [    0     1    10    60   600  3600 86400]

请告知是否这不是预期结果。

- tmthydvnprt

---

这正是我感兴趣的内容。谢谢你提供的详细信息！ - Linda

Answer 2

如果您想使用自定义的箱子，您可能需要结合pd.cut和.groupby().count()，并使用一个bar图表：

x=np.random.lognormal(mean=10, sigma=1, size=10000)
df=pd.DataFrame(x, range(10000), columns=['timeLength'])

df['bin'] = pd.cut(df.timeLength,include_lowest=True, bins=[0, 1, 10, 60, 60**2, 60**2*24, df.timeLength.max()], labels=['1s', '10s', '1min', '1hr', '1d', '>1d'])
df.groupby('bin').count().plot.bar()

- Stefan