python - 如何对齐两个 numpy 直方图，使它们共享相同的 bin/index，并将直方图频率转换为概率？

Question

如何将两个数据集 X 和 Y 转换为 x 轴/索引相同的直方图，而不是变量 X 的 x 轴范围共同低于或高于变量 Y 的 x 轴范围（就像下面的代码如何生成)? 我希望 numpy 直方图输出值可以在之后绘制在共享直方图中。

import numpy as np
from numpy.random import randn

n = 100  # number of bins

#datasets
X = randn(n)*.1
Y = randn(n)*.2

#empirical distributions
a = np.histogram(X,bins=n)
b = np.histogram(Y,bins=n)

Answer 1

np.histogram如果您的目标只是将两个（或更多）绘制在一起，则无需使用。Matplotlib 可以做到这一点。

import matplotlib.pyplot as plt

plt.hist([X, Y])  # using your X & Y from question
plt.show()

如果您想要直方图中的概率而不是计数，请添加权重：

wx = np.ones_like(X) / len(X)
wy = np.ones_like(Y) / len(Y)

您还可以从plt.hist其他用途中获取输出。

n_plt, bins_plt, patches = plt.hist([X, Y], bins=n-1, weights=[wx,wy])  
plt.show()

注意这里的用法，n-1而不是n因为 numpy 和 matplotlib 添加了一个额外的 bin。您可以n根据您的用例使用。

但是，如果您真的想要这些 bin 用于其他目的，np.historgram请给出输出中使用的 bin - 您可以将其用作第二个直方图中的输入：

a,bins_numpy = np.histogram(Y,bins=n-1)
b,bins2 = np.histogram(X,bins=bins_numpy)

Y 的箱子在这里用于 X，因为你的 Y 比 X 的范围更广。

对账检查：

all(bins_numpy == bins2)

>>>True


all(bins_numpy == bins_plt)

>>>True