为什么 matplotlib 绘图和 seaborn 绘图中的计数值不同，而且都是错误的？

Question

所以我使用的数据集是来自 seaborn 的 tips。我想针对 total_bill 列绘制直方图，我同时使用了 seaborn 和 matlotlib。

这是我的 matplotlib 直方图：

plt.hist(tips_df.total_bill);

这是我的 seaborn 直方图：

sns.histplot(tips_df.total_bill)

如您所见，在 total_bill 13 附近，频率似乎是最大的。但是，在 matplotlib 中它大约是 68，而它在 seaborn 中大约是 48。

两者都是错误的。因为打字

tips_df["total_bill"].value_counts().sort_values(ascending=False).head(5)

我们得到输出

13.42    3
15.69    2
10.34    2
10.07    2
20.69    2

Name: total_bill, dtype: int64

我们可以看到，出现次数最多的是13左右，但是为什么y-axis上的计数值不对呢？

Answer 1

在直方图中，“矩形”的高度表示给定范围中有多少个值，而这又由矩形的宽度描述。您可以通过 (max - min) / number_of_rectangles.

得到每个矩形的宽度

例如，在 matplotlib 的输出中，有 10 个矩形（箱）。由于您的数据最小值约为 3，最大值约为 50，因此每个宽度约为 4.7 个单位宽。现在，为了获得第三个矩形范围，例如，我们从最小值开始并添加此宽度直到我们到达那里，即 3 + 4.7*2 = 12.4。然后它结束于 12.4 + 4.7 = 17.1。因此，对应于 3rd bin 的计数是 tips_df.total_bill 中落入该范围内的值的数量。让我们手动找到它：

>>> tips_df.total_bill.between(12.4, 17.1).sum()
70

（由于我在计算范围时使用了粗略的近似值并省略了精度，所以它并不准确；但我希望你能感觉到。）

到目前为止，这是为了解释为什么直接 value_counts 不直接匹配直方图输出，因为它给出逐值计数，而直方图大约是范围s.

现在，为什么 seaborn 和 matplotlib 之间的图表不同？这是因为他们使用的垃圾箱数量不同！如果你算一下，matplotlib 有 10 个，seaborn 有 14 个。由于你没有为它们中的任何一个指定 bins 参数，它们使用默认值并且 matplotlib 默认为 plt.rcParams["hist.bins"] 并且 seaborn 选择“自动”（见注释部分 here).

所以，我们不妨给出 bins 个参数来强制执行相同的输出：

>>> plt.hist(tips_df.total_bill, bins=10)

>>> sns.histplot(tips_df.total_bill, bins=10)

为什么 matplotlib 绘图和 seaborn 绘图中的计数值不同，而且都是错误的？

Why are the value of counts in the matplotlib plot and seaborn plot different, and both wrong?

python

matplotlib

count

histogram

seaborn