python - 为什么密度直方图在 y 轴上显示有点奇怪的值？

Question

A 有一个包含值的数据框:

user value
1    0
2    1
3    4
4    2
5    1

当我尝试用密度=True绘制直方图时，它显示了非常奇怪的结果

df.plot(kind='hist', denisty=True)

我确切地知道第一个 bin 几乎覆盖了 100% 的值。这种情况下的密度应该大于0.8。但绘图显示大约为 0.04。

怎么会发生这种事？也许我对密度的理解错误。 顺便说一句，数据框中大约有 800 000 个值，以防相关。这是数据帧的描述:

count  795846.000000
mean  5.220350
std  20.600285
min  -3.000000
25%  0.000000
50%  0.000000
75%  1.000000
max  247.000000

Answer 1

如果您对概率而不是概率密度感兴趣，我认为您想使用权重而不是密度。看一下这个例子，看看有什么不同:

df = pd.DataFrame({'x':np.random.normal(loc=5, scale=10, size=80000)})

fig, (ax0, ax1) = plt.subplots(1, 2, figsize=(12, 4))
df.plot(kind='hist', density=True, bins=np.linspace(-100, 100, 30), ax=ax0)
df.plot(kind='hist', bins=np.linspace(-100, 100, 30), weights=np.ones(len(df))/len(df), ax=ax1)

如果您使用密度，则通过图的面积进行标准化，相反，如果您使用权重，则通过箱的高度总和进行标准化。