是否可以使用 Get 和 Set 操作 matplotlib 直方图中的数据？

Question

我有一个使用 matplotlib 制作的堆叠直方图。它当然有多个箱子（每个扇区），每个 bin/bar 进一步细分为子扇区（堆叠直方图）。

我想知道如何获取数据点，做一些数学运算（假设将每个 bin 除以它的总值），然后设置新的数据点。

我希望它如何工作：

import matplotlib.plt as plt
ax = plt.subplt(111)
h = ax.hist((subsector1,subsector2,subsector3), bins = 20, stacked=True)

y_data = h.get_yData

y_data 的形状类似于 20 x 3（箱子 x 子扇区）

new_y_data = y_data normalized by total on each bin

new_y_data 的形状也像 20 x 3，但每个 bin 的总和将为 1（或 100%）

new_h = h.set_yData(new_y_data)

new_h 看起来更像条形图，条形大小相同，但每个条形上的子行业分布不同..

在 python matplotlib 中这甚至可能吗？

Answer 1

当您只需要这些值时，使用 np.histogram 会更容易，它无需绘制即可进行相同的计算。

当你有价值观时，plt.bar draws the directly without needing plt.hist。

Pandas plot.bar might be an alternative. Have a look at 与您的示例类似。

这是一些使用 np.histogram 和 plt.bar 的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter

subsector1 = np.clip(np.random.normal(70, 20, 400), 0, 100)
subsector2 = np.clip(np.random.normal(50, 20, 1000), 0, 100)
subsector3 = np.clip(np.random.normal(25, 20, 500), 0, 100)
num_bins = 20
x_min = np.min(np.concatenate([subsector1, subsector2, subsector3]))
x_max = np.max(np.concatenate([subsector1, subsector2, subsector3]))
bounds = np.linspace(x_min, x_max, num_bins + 1)
values = np.zeros((num_bins, 3))
for i, subsect in enumerate((subsector1, subsector2, subsector3)):
    values[:, i], _ = np.histogram(subsect, bins=bounds)
with np.errstate(divide='ignore', invalid='ignore'):
    values /= values.sum(axis=1, keepdims=True)
fig, ax = plt.subplots()
bottom = 0
for i in range(3):
    plt.bar((bounds[:-1] + bounds[1:]) / 2, values[:, i], bottom=bottom, width=np.diff(bounds) * 0.8)
    bottom += values[:, i]
plt.xlim(x_min, x_max)
plt.gca().yaxis.set_major_formatter(PercentFormatter(1.0))
plt.show()

是否可以使用 Get 和 Set 操作 matplotlib 直方图中的数据？

Is it possible to manipulate the data in a matplotlib histogram using Get and Set?

python

matplotlib

histogram

matlab-figure