matplotlib hist函数的density参数无效。

Question

plt.hist的density参数无效。 我试图在我的图中使用plt.hist函数中的density参数来规范化股票回报率，但它没有起作用。 以下代码对我很有效，并给了我所需的概率密度函数。

import matplotlib
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

# example data
mu = 100  # mean of distribution
sigma = 15  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)

num_bins = 50

plt.hist(x, num_bins, density=1)

plt.show()

但是当我使用股票数据时，它根本不起作用。结果给出了未归一化的数据。我在我的数据数组中没有发现任何异常数据。

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
plt.hist(returns, 50,density = True)
plt.show()
# "returns" is a np array consisting of 360 days of stock returns

- riversxiao

---

数组（[0.0188179947，-0.00467532468，0.00985850151，0.00338807856， 0.00623819607，0.0137640769，-0.00224416517，-0.0283400810， -0.0409722222，-0.00289645185，-0.0139191479，0.00435743218， 0.00348304308，-0.0115698453，0.0181123706，0.0232361128， 0.0441750444，0.00181231240，0.0392334219，0.00723494533， 0.00480665370，0.00704111798，0.0143040137，-0.00762997264]） - riversxiao

我尝试将数据类型转换为浮点型，但结果仍然相同。 - riversxiao

第二个图你还期望它是什么样子的？ - Sheldore

@ImportanceOfBeingErnest 我想他期望在垂直轴上看到每个条形的概率值。在底部的图片中，你可以看到值从0变化到40。我猜他期望它在0和1之间变化。 - Blade

这个回答能解决你的问题吗？pylab.hist(data, normed=1). Normalization seems to work incorrect - Arne

Answer 1

这是Matplotlib中已知的一个问题。

正如在错误报告：pyplot.hist()中的density标志未能正确工作中所述：

当 density = False 时，直方图会在 Y 轴上显示计数。但是当 density = True 时，Y 轴不表示任何有用信息。我认为更好的实现方式是，在 density = True 时将 PDF 绘制为直方图。

开发人员认为这是一项功能而非错误，因为它保持了与 numpy 的兼容性。他们已经关闭了几个关于此的错误报告，原因是它按照预期运行。更让人困惑的是，matplotlib 网站上的示例似乎展示了这项功能，并为 Y 轴分配了有意义的值。

你想在 matplotlib 中做的事情是合理的，但 matplotlib 不会以那种方式让你实现它。

- Ethan Heilman

Answer 2

这不是bug。 条形图的面积等于1。 数字之所以看起来奇怪，是因为你的分组大小很小。

- user14518925

Answer 3

由于这个问题还没有解决；基于@user14518925的回答，实际上是正确的，这将bin宽度视为一个实际有效的数字，而根据我的理解，您希望每个bin的宽度为1，以使频率总和为1。更简洁地说，您看到的是：

\sum_{i}y_{i}\times\text{bin size} =1

而您想要的是：

\sum_{i}y_{i} =1

因此，您真正需要改变的只是y轴上的刻度标签。一种方法是禁用密度选项：

density = false

然后按照总样本量进行除法运算，就像你的示例中所示：

import matplotlib
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

# example data
mu = 0 # mean of distribution
sigma = 0.0000625  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)

fig = plt.figure()
plt.hist(x, 50, density=False)
locs, _ = plt.yticks() 
print(locs)
plt.yticks(locs,np.round(locs/len(x),3))
plt.show()

- tvbc

Answer 4

起初，我也认为这是个问题。我认为y轴上显示的刻度值不应大于1。这意味着该区间的频率大于总频率，这根本没有任何意义。

经过一段时间的思考，我明白了实际发生的事情。我们期望返回的是概率分布函数，即（一个区间的观察频率）/（总频率）。但是Matplotlib返回的密度是（一个区间的观察频率）/（总频率 * 每个区间的长度）。如果每个区间的长度小于1，那么该区间的密度可能超过1。但是直方图下的总面积仍然为1。因为所有区间的密度*区间长度之和 = 所有频率之和 / 总频率 = 1。所以你得到的值是完全正确的，也是有意义的。

希望这个解释对你有帮助。

- Aritra Mandal

Answer 5

除了tvbc的方法之外，另一种方法是更改绘图中的y轴刻度。

import matplotlib.pyplot as plt
import numpy as np

steps = 10
bins = np.arange(0, 101, steps)
data = np.random.random(100000) * 100

plt.hist(data, bins=bins, density=True)
yticks = plt.gca().get_yticks()
plt.yticks(yticks, np.round(yticks * steps, 2))
plt.show()

- Marco Wedemeyer