我有两个数据集,第一个是离散数据,第二个是连续数据:
import numpy as np
# discrete
data1 = [1, 1, 2, 2, 2, 3, 4, 4,7, 7, 7, 7, 7, 7]
# continuous
data2 = np.random.normal(size=100)
现在我想计算频率。对于 data1 来说很简单,因为它包含离散值:
import collections
c = collections.Counter(data1)
sum = sum(c.values())
for key,val in c.iteritems():
print([key,float(val)/sum])
我怎样才能对连续数字做同样的事情?从理论上我知道必须对连续数据进行分组。只有在此之后,它才能表示为条形图。那么,如何在python中对数据进行分组呢?
对于 numpy,请查看 np.histogram
对于连续数据和 np.bincount
对于离散数据。
举个简单的例子:
import numpy as np
data1 = [1, 1, 2, 2, 2, 3, 4, 4, 7, 7, 7, 7, 7, 7]
data2 = np.random.normal(size=100)
discrete_counts = np.bincount(data1)
discrete_vals = np.arange(len(discrete_counts))
counts, edges = np.histogram(data2)
如果您想绘制结果,请查看 plt.hist
和 plt.bar
.
例如:
import numpy as np
import matplotlib.pyplot as plt
data1 = [1, 1, 2, 2, 2, 3, 4, 4, 7, 7, 7, 7, 7, 7]
data2 = np.random.normal(size=100)
fig, axes = plt.subplots(nrows=2)
counts = np.bincount(data1)
vals = np.arange(len(counts))
axes[0].bar(counts, vals, align='center', color='lightblue')
axes[0].set(title='Discrete Data')
axes[1].hist(data2, color='salmon')
axes[1].set(title='Continuous Data')
for ax in axes:
ax.margins(0.05)
ax.set_ylim(bottom=0)
plt.show()
如果您正在使用 pandas
,正如@Carsten 提到的,请查看 hist
函数来绘制直方图(类似于 plt.hist
).但是,numpy.histogram
的等价物是 pandas.cut
,当您想要直方图计数(或想要按连续范围分组)时,这非常方便。
我是一名优秀的程序员,十分优秀!