无法在Matplotlib直方图上获取y轴以显示概率

(据我所知)没有简单的方法可以用 plt.hist 。但您可以使用 np.histogram 然后以任何方式规范化数据。如果我没弄错的话,你希望数据显示在给定箱子中找到一个点的概率,而不是概率分布。这意味着您必须缩放数据,使所有存储箱的总和为1 bin_probability = n/float(n.sum()) .

然后,您将不再具有适当规范化的概率分布函数(pdf),这意味着区间上的积分将不是概率!这就是为什么你必须重新销售你的 mlab.normpdf

因此,您最终得到的代码大致如下:

import numpy as np
import scipy.stats as stats
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab

# Produce test data
S = np.random.normal(0, 0.01, size=1000)

# Histogram:
# Bin it
n, bin_edges = np.histogram(S, 100)
# Normalize it, so that every bins value gives the probability of that bin
bin_probability = n/float(n.sum())
# Get the mid points of every bin
bin_middles = (bin_edges[1:]+bin_edges[:-1])/2.
# Compute the bin-width
bin_width = bin_edges[1]-bin_edges[0]
# Plot the histogram as a bar plot
plt.bar(bin_middles, bin_probability, width=bin_width)

# Fit to normal distribution
(mu, sigma) = stats.norm.fit(S)
# The pdf should not normed anymore but scaled the same way as the data
y = mlab.normpdf(bin_middles, mu, sigma)*bin_width
l = plt.plot(bin_middles, y, 'r', linewidth=2)

plt.grid(True)
plt.xlim(-0.05,0.05)
plt.show()

结果将是:

当然,jotasi的答案是有效的,但我想添加一个非常简单的技巧,通过直接调用 hist .

诀窍是使用 weights 参数默认情况下,您传递的每个数据点的权重为1。每个箱子的高度就是落入该箱子的数据点的重量之和。相反,如果我们有 n 点,我们可以简单地将每个点的权重设为 1 / n 然后,落在某个桶中的点的权重之和也是给定点位于该桶中的概率。

在您的情况下,只需将绘图线更改为:

n, bins, patches = plt.hist(S, weights=np.ones_like(S) / len(S),
                            facecolor='blue', alpha=0.75)