Il serait plus utile si vous posiez un exemple de travail plus complet (ou dans ce cas, non fonctionnel).
J'ai essayé les éléments suivants:
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)
fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, rectangles = ax.hist(x, 50, normed=True)
fig.canvas.draw()
plt.show()
Cela fait produire un histogramme graphique à barres avec un axe y qui va de [0,1]
.
En outre, selon la documentation hist
(c.-à-ax.hist?
de ipython
), je pense que la somme est bien aussi:
*normed*:
If *True*, the first element of the return tuple will
be the counts normalized to form a probability density, i.e.,
``n/(len(x)*dbin)``. In a probability density, the integral of
the histogram should be 1; you can verify that with a
trapezoidal integration of the probability density function::
pdf, bins, patches = ax.hist(...)
print np.sum(pdf * np.diff(bins))
Donner cette solution après les commandes ci-dessus:
np.sum(n * np.diff(bins))
I obtenir une valeur de retour de 1.0
comme prévu. Rappelez-vous que normed=True
ne signifie pas que la somme de la valeur à chaque barre sera l'unité, mais plutôt que l'intégrale sur les barres est l'unité. Dans mon cas np.sum(n)
retourné environ 7.2767
.
Je sais que c'est vieux, mais pour référence future et tous ceux qui visitent cette page, ce type de propagation de l'axe est appelé un axe "densité de probabilité"! – ChristineB
OP si vous êtes toujours là peut-être que vous voulez changer la réponse acceptée. –