熊猫系列的直方图值

我有一个Python熊猫系列的某些值（类型：pandas.core.series.Series）

In [1]: series = pd.Series([0.0,950.0,-70.0,812.0,0.0,-90.0,0.0,0.0,-90.0,0.0,-64.0,208.0,0.0,-90.0,0.0,-80.0,0.0,0.0,-80.0,-48.0,840.0,-100.0,190.0,130.0,-100.0,-100.0,0.0,-50.0,0.0,-100.0,-100.0,0.0,-90.0,0.0,-90.0,-90.0,63.0,-90.0,0.0,0.0,-90.0,-80.0,0.0,])

In [2]: series.min()
Out[2]: -100.0

In [3]: series.max()
Out[3]: 950.0

我想获取直方图的值（不必绘制直方图）...我只需要获取每个间隔的频率即可。

假设我的间隔从[-200; -150]至[950; 1000]

所以下界是

lwb = range(-200,1000,50)

和上限是

upb = range(-150,1050,50)

我现在不知道如何获取频率（每个间隔内的值的数量）...我确定没有必要定义lwb和upb ...但是我不知道应该使用什么函数执行这个！（在学习了Pandas doc之后，我认为cut函数可以为我提供帮助，因为这是一个离散化问题...但是我不知道如何使用它）

能够做到这一点之后，我将看看显示直方图的方式（但这是另一个问题）

您只需要使用的直方图功能NumPy：

import numpy as np
count, division = np.histogram(series)

其中除法是自动为您的垃圾箱计算的边界，计数是每个垃圾箱内的人口。

如果您需要修复一定数量的垃圾箱，则可以使用参数bins并指定多个垃圾箱，或者直接给每个垃圾箱之间的边界。

count, division = np.histogram(series, bins = [-201,-149,949,1001])

要绘制结果，可以使用matplotlib函数hist，但是如果您在熊猫中工作，则每个Series都具有自己的hist函数句柄，并且可以为其选择分箱：

series.hist(bins=division)

编辑：正如另一位发帖人所述，Pandas它建立在之上NumPy。由于OP是显式使用的Pandas，因此可以通过访问以下内容NumPy来取消其他导入Pandas：

count, division = pd.np.histogram(series)

为了获得给定间隔合并范围内的值的频率计数，我们可以利用pd.cut它返回每个元素的半开容器的索引以及value_counts计算它们各自的计数。

要绘制其计数，可以绘制条形图。

step = 50
bin_range = np.arange(-200, 1000+step, step)
out, bins  = pd.cut(s, bins=bin_range, include_lowest=True, right=False, retbins=True)
out.value_counts(sort=False).plot.bar()

每个间隔的频率按其计数的降序排列：

out.value_counts().head()
[-100, -50)    18
[0, 50)        16
[800, 850)      2
[-50, 0)        2
[950, 1000)     1
dtype: int64

出于美学目的，为了修改图以仅包括范围的下闭合区间，您可以执行以下操作：

out.cat.categories = bins[:-1]
out.value_counts(sort=False).plot.bar()

如果您说要获取直方图的值，那么我不会误会，您只是在寻找序列中每个唯一值的频率。在这种情况下，您可以简单地执行serie.value_counts()，这将为您提供：

 0.0      16
-90.0      8
-100.0     5
-80.0      3
 63.0      1
-50.0      1
 130.0     1
 190.0     1
 840.0     1
-48.0      1
 208.0     1
-64.0      1
 812.0     1
-70.0      1
 950.0     1