为数据点相对较少的直方图选择 bin

Question

考虑一个具有多个 histograms in matplotlib 的图，如下所示：

#! /usr/bin/env python3
import matplotlib.pyplot as plt
import random

# Use the same seed for reproducibility.
random.seed(10586)

data1 = [random.gauss(1e-4, 3e-2) for _ in range(10**3)] + [0.3]
data2 = [random.gauss(1e-2, 3e-3) for _ in range(10**3)] + [0.4]
data3 = [0.2]

if __name__ == '__main__':
    plt.xlim(xmin=0, xmax=0.8)
    plt.yscale('log')
    n1, bins1, patches1 = plt.hist(data1, bins='auto', alpha=0.6)
    n2, bins2, patches2 = plt.hist(data2, bins='auto', alpha=0.6)
    n3, bins3, patches3 = plt.hist(data3, bins='auto', alpha=0.6)
    bin_options = ['auto', 'fd', 'doane', 'scott', 'rice', 'sturges', 'sqrt']
    plt.show()

然而，第三个数据集只有一个数据点，所以当我们使用 plt.hist(data3, bins='auto') 我们得到一个横跨 x-range 的长条，并且再也看不到它的值为 0.2:

（这在只有一个数据点时最为明显，但这是一个问题，例如也有两三个。)

避免这种情况的一种方法是 re-use 另一个数据集的 bin。例如，对于 plt.hist(data3, bins=bins1)，我们可以看到 data3 就好了：

但是，如果我们通过 bins=bins2 使用另一个数据集，箱子太窄了，我们根本看不到 data3：

我们怎样才能保证点比较少的直方图是可见的，但仍然在 x-axis?

上看到它的价值

Answer 1

为了确保您能看到条形图，即使它太窄而无法构成一个像素，您也可以给它一个边缘颜色，

import matplotlib.pyplot as plt
import random
random.seed(10586)

data2 = [random.gauss(1e-2, 3e-3) for _ in range(10**3)] + [0.4]

plt.xlim(0, 0.8)
plt.yscale('log')

n2, bins2, patches2 = plt.hist(data2, bins='auto', alpha=0.6, edgecolor="C0")

plt.show()

或者使用 histtype="stepfilled" 创建一个多边形，因为不管怎么说，单个条形图无法与那么多 bin 区分开来，

n2, bins2, patches2 = plt.hist(data2, bins='auto', alpha=0.6, histtype="stepfilled")

后者还具有遵守 alpha 的优点，否则由于条的重叠而看不到。此外，绘制单个形状应该比绘制大约 1000 个条更快。

为数据点相对较少的直方图选择 bin

Choice of bins for histograms with relatively few datapoints

python

matplotlib

histogram

binning