代码之家 › 专栏 › 技术社区 › devpa

Seaborn中的重叠直方图

central-limit-theorem histogram seaborn matplotlib python

devpa · 技术社区 · 2 年前

我正在使用Seaborns的histplot函数绘制两个直方图。第一个直方图表示我的整个数据集,而第二个直方图是第一个直方图的子集。然而,第二个直方图似乎并不像预期的那样与第一个直方图重叠。这是我使用的代码:

import numpy as np
from scipy.stats import norm

data = np.sin(np.arange(0, 6*np.pi, 0.1)) * 100
sns.scatterplot(x=[np.mean(data)], y=[0])
sns.lineplot(data)

population_size = 10000
sample_size = 100
total_means = []
for x in range(population_size):
    total_means.append(np.mean(np.random.choice(data, 100)))

total_means = np.array(total_means)
sns.histplot(total_means, kde=True)

# Q. Find the range for 68% of data will lie in that interval
from scipy.stats import norm
z1 = norm.ppf(.50 - .68/2)
se = np.array(data).std() / sample_size ** .5
x1 = z1 * se + np.array(data).mean()
z2 = norm.ppf(.50 + .68/2)
x2 = z2 * se + np.array(data).mean()
print(x1, x2)

plt.xticks(np.arange(total_means.min(), total_means.max(), 10))
plt.xticks(np.arange(0, 500, 100))
sns.histplot(total_means, kde=True)
sns.histplot(total_means[(total_means >= x1) & (total_means <= x2)], kde=True, color='r')

在Stack Overflow上,建议避免发布完整的代码。然而,我有一些数据可以用来快速解决这个问题,而不需要生成新的数据。

在我的代码中,最后两行绘制了两个直方图。然而,从结果图中可以清楚地看出,这些直方图并没有如预期的那样重叠。

sns.histplot(total_means, kde=True)
sns.histplot(total_means[(total_means >= x1) & (total_means <= x2)], kde=True, color='r')

2 回复 | 直到 2 年前

JohanC 2 年前

问题是,对于红色图,使用较小的箱(默认值通过 np.histogram_bin_edges() ). 较小的存储箱意味着每个存储箱中的值较少。

这里有一些代码来显示使用默认bin和对两个直方图使用相同bin之间的区别。子集的第一个和最后一个bin小于较大直方图的bin,因为bin边缘与子集的极限不一致。

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

total_means = np.random.randn(2000)

fig, (ax1, ax2) = plt.subplots(ncols=2)

sns.histplot(total_means, kde=True, ax=ax1)
sns.histplot(total_means[(total_means >= -1) & (total_means <= 1)], kde=True, ax=ax1)
ax1.set_title('default bins')

bins = np.linspace(total_means.min(), total_means.max(), 30)
sns.histplot(total_means, bins=bins, kde=True, ax=ax2)
sns.histplot(total_means[(total_means >= -1) & (total_means <= 1)], bins=bins, kde=True, ax=ax2)
ax2.set_title('same bins for both')

plt.show()

ASK 2 年前

不确定我是否正确理解了你的问题。但是,您提供的代码似乎确实有重叠的图形。只是有一些额外的东西使它难以辨认。

这也是清理后的样子。如果这就是你想要的,请告诉我。

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import norm

data = np.sin(np.arange(0, 6 * np.pi, 0.1)) * 100

population_size = 10000
sample_size = 100
total_means = []
for x in range(population_size):
    total_means.append(np.mean(np.random.choice(data, 100)))

total_means = np.array(total_means)

# Q. Find the range for 68% of data will lie in that interval
z1 = norm.ppf(.50 - .68 / 2)
se = np.array(data).std() / sample_size ** .5
x1 = z1 * se + np.array(data).mean()
z2 = norm.ppf(.50 + .68 / 2)
x2 = z2 * se + np.array(data).mean()

plt.xticks(np.arange(total_means.min(), total_means.max(), 10))
sns.histplot(total_means, kde=True, color='g')
sns.histplot(total_means[(total_means >= x1) & (total_means <= x2)], kde=True, color='r')

希望这能有所帮助。