在过去的一个小时里，这让我很生气。我可以在使用时绘制直方图:hist(df.GVW,bins=50,range=(0,200))例如，当我需要针对其中一列中的给定条件过滤数据框时，我会使用以下命令:df[df.TYPE=='SU4']到目前为止，一切正常。当我尝试获取此过滤数据的直方图时，我收到一个关键错误:KeyError:0L。我将以下内容用于过滤数据的直方图:hist(df[df.TYPE=='SU4'].GVW,bins=50,range=(0,200))是不是哪里有语法错误？感谢您的帮助! 最佳答案 也许尝试使用.valu
我想知道是否有(更好的)技巧来反转matplotlib中的累积直方图。假设我有一些分数在0.0到1.0之间，其中1.0是最好的分数。现在，我有兴趣绘制有多少样本高于某个分数阈值。importnumpyasnpimportmatplotlib.pyplotaspltd=np.random.normal(size=1000)d=(d-d.min())/(d.max()-d.min())plt.hist(d,50,histtype="stepfilled",alpha=.7)默认情况下，matplotlib会绘制累积直方图，就像“样本数plt.hist(d,50,histtype="step
假设我有几个直方图，每个直方图在不同bin位置(在实轴上)都有计数。例如defgenerate_random_histogram():#Randombinlocationsbetween0and100bin_locations=np.random.rand(10,)*100bin_locations.sort()#Randomcountsbetween0and50onthoselocationsbin_counts=np.random.randint(50,size=len(bin_locations))return{'loc':bin_locations,'count':bin_co
有没有办法告诉matplotlib对直方图进行“归一化”，使其面积等于指定值(1除外)？选项“normed=0”在n,bins,patches=plt.hist(x,50,normed=0,histtype='stepfilled')只是将其带回频率分布。 最佳答案 只需计算它并将其归一化为您想要的任何值，然后使用bar绘制直方图。附带说明一下，这会将所有条形图的区域归一化为normed_value。原始总和将不是normed_value(如果您愿意，很容易做到这种情况)。例如importnumpyasnpimportmatplot
我有一组数据，想绘制它的直方图。我需要容器具有相同的大小，我的意思是它们必须包含相同数量的对象，而不是更常见的(numpy.histogram)问题等距垃圾箱。这自然会以箱宽度为代价，箱宽度可以-通常会-不同。我将指定所需bin的数量和数据集，作为返回获得bin边缘。Example:data=numpy.array([1.,1.2,1.3,2.0,2.1,2.12])bins_edges=somefunc(data,nbins=3)print(bins_edges)>>[1.,1.3,2.1,2.12]所以bin都包含2个点，但它们的宽度(0.3、0.8、0.02)不同。有两个限制:-
我有这段代码可以生成直方图，识别三种类型的字段；“低”、“中”和“高”:importpylabaspltimportpandasaspddf=pd.read_csv('April2017NEW.csv',index_col=1)df1=df.loc['OutputEnergy,(Wh/h)']#chooseindexvalueandAveragedf1['Average']=df1.mean(axis=1)N,bins,patches=plt.hist(df1['Average'],30)cmap=plt.get_cmap('jet')low=cmap(0.5)medium=cmap(
我在Pandas数据框中有float据。每列代表一个变量(它们有字符串名称)，每一行代表一组值(这些行有不重要的整数名称)。>>>printdata0kppawr23kppaspyd13.31238713.26604022.7752020.1000003100.000000100.0000004100.00000039.437420517.01715033.019040...我想为每一列绘制直方图。我取得的最佳结果是使用dataframe的hist方法:data.hist(bins=20)但我希望每个直方图的x轴都在log10范围内。并且bins也在log10规模上，但这很容易使用bi
使用Python，我必须:将Test_Image和Reference_image分成5x5block，计算每个block的直方图，并将其与其他图像中的相同block进行比较。例如:image1(1,1)和image2(1,1)。比较两个图像之间的相似性(应该是变换不变的)。到目前为止，我已经使用hist=numpy.histogram(image,bins=256)计算了整个图像的直方图我想划分图像，然后计算所有这些block的直方图。我还想使用Bhattacharya系数来衡量相似度。任何人都可以指导我如何完成这一过程吗？提前致谢:) 最佳答案
我正在尝试根据下面的代码创建一个动画直方图。我可以为每次创建单独的直方图，但是我无法使用matplotlib.animation函数或模拟matplotlibtutorial中的代码来为结果设置动画。.importnumpyasnpimportmatplotlib.pyplotaspltbetas=[]#someverylonglistentropy=[]#someverylonglistfortimein[0.0,0.5,1.0,1.5,2.0,2.5,3.0,3.5,4.0,4.55.0,5.5,6.0,6.5,7.0,7.5,8.0,8,5,9.0,9.5,10.0]:plt.f
所有matplotlibexamples使用hist()生成数据集，将数据集提供给带有一些bin(可能非均匀间隔)的hist函数，该函数自动计算然后绘制直方图。我已经有了直方图数据，我只是想绘制它，我该怎么做？!例如，我有垃圾箱(半开范围用方括号和弯括号表示法表示)，[0,1)0[1,2)3[2,3)8[3,4)6[4,5)2[5,6)3[6,7)1[7,8)0 最佳答案 也许权重参数会对您的问题有所帮助。importmatplotlib.pyplotasplta=[1,2,3,4,5,6,7,8,9]b=[5,3,4,5,3,2,
