python - 为什么pandas的概率密度值太大

Question

我正在使用熊猫来绘制概率密度，我的数据描述如下：

count    636149.000000
mean          3.040828
std           3.752975
min           0.000000
25%           0.050000
50%           1.050000
75%           5.050000
max          59.200000

我的代码如下：

df['data'].hist(bins=1000,density=1)
plt.show()

结果如图所示。

我想知道为什么我的值已经达到了5，并且通常不应该小于1？我应该如何纠正它？

标签： pythonpandasmatplotlib

Answer 1

正如其中一条评论所指出的，值不一定需要最大为 1，但所有 bin 的面积应该为 1。

正如您在文档中所读到的：

密度：布尔值，可选

如果为 True，则返回元组的第一个元素将是归一化以形成概率密度的计数，即直方图下的面积（或积分）总和为 1。这是通过将计数除以观察次数来实现的bin 宽度，而不是除以观察总数。如果stacked 也是True，则直方图的总和归一化为1。

1 bin 的面积（显然）是频率乘以 bin 宽度。由于您有 1000 个垃圾箱和一系列[0,59.2]. 您的 bin 宽度为0.0592，因此每个 bin 的区域非常小，因此将所有 1000 个“小”区域相加得出曲线下的面积为 1。

你可以用np.histogram.