database - 标准化同一图中的两个直方图

Question

如有任何见解，我将不胜感激。

我想在一个公共(public)直方图上绘制两个数据集，这样两个直方图都没有顶部截止值并且概率分布范围为 0 到 1。

让我解释一下我的意思。到目前为止，我可以在一个直方图上很好地绘制两个数据集，并通过在 ax.hist() 中写入 normed = 1 强制两个分布的积分为 1，如见下图:

它是由这样的代码生成的:

        x1, w1, patches1 = ax.hist(thing1, bins=300, edgecolor='b', color='b', histtype='stepfilled', alpha=0.2, normed = 1)

        x2, w2, patches2 = ax.hist(thing2, bins=300, edgecolor='g', color='g', histtype='stepfilled', alpha=0.2, normed = 1)             

在一般情况下，一种概率分布比另一种概率分布高得多，因此很难看清情节。

因此，我尝试对两者进行归一化，使它们在 y 轴上的范围都从 0 到 1，并且仍然保持它们的形状。例如，我尝试了以下代码:

for item in patches1:
    item.set_height(item.get_height()/sum(x1))

摘自这里的讨论How to normalize a histogram in python? , 但 python 向我抛出一条错误消息，指出没有 get_height 这样的质量。

我的问题很简单:我怎样才能使 y 轴的范围从 0 到 1 并保持两个分布的形状？

Answer 1

我建议使用 numpy 预先计算直方图，然后使用 bar 在 matplotlib 中绘制它们。然后可以通过除以每个直方图的最大幅度来简单地将直方图归一化(按幅度)。请注意，为了在两个直方图之间进行任何类型的有意义的比较，最好对它们使用相同的 bins。下面是如何执行此操作的示例:

from matplotlib import pyplot as plt
import numpy as np

##some random distribution
dist1 = np.random.normal(0.5, 0.25, 1000)
dist2 = np.random.normal(0.8, 0.1, 1000)

##computing the bin properties (same for both distributions)
num_bin = 50
bin_lims = np.linspace(0,1,num_bin+1)
bin_centers = 0.5*(bin_lims[:-1]+bin_lims[1:])
bin_widths = bin_lims[1:]-bin_lims[:-1]

##computing the histograms
hist1, _ = np.histogram(dist1, bins=bin_lims)
hist2, _ = np.histogram(dist2, bins=bin_lims)

##normalizing
hist1b = hist1/np.max(hist1)
hist2b = hist2/np.max(hist2)

fig, (ax1,ax2) = plt.subplots(nrows = 1, ncols = 2)

ax1.bar(bin_centers, hist1, width = bin_widths, align = 'center')
ax1.bar(bin_centers, hist2, width = bin_widths, align = 'center', alpha = 0.5)
ax1.set_title('original')

ax2.bar(bin_centers, hist1b, width = bin_widths, align = 'center')
ax2.bar(bin_centers, hist2b, width = bin_widths, align = 'center', alpha = 0.5)
ax2.set_title('ampllitude-normalized')

plt.show()

还有一张图片:

希望这对您有所帮助。