Matplotlib histogram2d正常化不等于1

有一天，我无法理解发生了什么。我有一个工具可以根据X，Y，Z坐标（Z在当时不重要）的数组（Numpy数组）生成2D直方图。我需要将结果归一化，以便进一步计算。但是，使用normed = True命令时，数组的总和总是在0.000006左右。Matplotlib histogram2d正常化不等于1

我正在寻找归一化整个直方图，所以所有的数组元素将加起来为1.设置为False正确返回bin中的样本数，但显然这是不规范化的。我已经用从3k元素到30k元的数组进行了测试，仍然是同样的问题。为了记录我的数据包括所有3个轴上的负坐标。

代码如下：

def histogrammer(coords):  # coords is a 3D numpy array 

H, xedges, yedges = np.histogram2d(coords[:,0], coords[:,1], bins=(50, 50), range=([-10000.0,10000.0],[-10000.0,10000.0]), normed=True) 
H.shape, xedges.shape, yedges.shape 
extent = [yedges[0], yedges[-1], xedges[-1], xedges[0]] 

global displayHistograms 
if displayHistograms == True: 
    print('Displaying:') 
    plt.imshow(H, extent=extent, interpolation='nearest') 
    plt.colorbar() 
    plt.show() 

print('{0:.30f}'.format(np.sum(H))) # Debug normalisation 

return H

我运行两个数组此代码，生成两个不同的直方图。每个打印语句：

0.000006250000000000000299510850 
0.000006250000000000002840609692

任何人都可以告诉我哪里出错了吗？预先感谢任何帮助！

来源

2012-07-11 Tomassino

normed=True将音量（即总和binarea*binheight）归一化为1，而不是高度的总和。因为这是通常对直方图进行归一化的方式，因为归一化直方图是对概率密度函数的估计。

如果你想使一个高度的总和，仅仅靠点的总数除以非标准化值：

H, xedges, yedges = np.histogram2d(coords[:,0], coords[:,1], bins=(50, 50), range=([-10000.0,10000.0],[-10000.0,10000.0])) 
H_normalized = H/float(coords.shape[0])

来源

2012-07-11 17:23:17 Avaris

对，我现在明白了！有趣的是，现在我在上面列出的标准化之后得到了'0.999999999999998778754672912328'。我已经检查过，'H'中的总项目与'coords'数组中的相同。 – Tomassino 2012-07-11 19:25:20

忽略上述注释，我将打印语句的精度更改为.2f，数字四舍五入为1.0。 – Tomassino 2012-07-11 21:37:56

设置normed = True给出垃圾箱密度，而不是垃圾箱中总项目的比例。您需要从料箱宽度或手动计算。

来源

2012-07-11 17:14:00 DrSkippy

Matplotlib histogram2d正常化不等于1

回答

相关问题