python - 如何用点而不是条形图创建直方图

Question

我想绘制直方图，但使用点而不是条形图。

x_n10_p0_6 = binom.rvs(n=10, p=0.6, size=10000, random_state=0)
x_n10_p0_8 = binom.rvs(n=10, p=0.8, size=10000, random_state=0)
x_n20_p0_8 = binom.rvs(n=20, p=0.6, size=10000, random_state=0)

df = pd.DataFrame({
    'x_n10_p0_6': x_n10_p0_6, 
    'x_n10_p0_8': x_n10_p0_8, 
    'x_n20_p0_8': x_n20_p0_8
    })

sns.histplot(df)

这就是我得到的:

我希望看到这样的东西:

来源:https://en.wikipedia.org/wiki/Binomial_distribution#/media/File:Binomial_distribution_pmf.svg

histplot 有一个元素属性，但它只接受值 {“bars”, “step”, “poly”}

Answer 1

您正在处理离散分布。相反，kde 图尝试通过平滑输入值来近似连续分布。因此，带有离散值的 kdeplot 只能给出您想要的图的粗略近似值。

Seaborn 的 histplot 目前仅实现离散分布的条形图。但是，您可以通过 matplotlib 模拟这样的图。这是一个例子:

import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
from scipy.stats import binom
import pandas as pd
import numpy as np

x_n10_p0_6 = binom.rvs(n=10, p=0.6, size=10000, random_state=0)
x_n10_p0_8 = binom.rvs(n=10, p=0.8, size=10000, random_state=0)
x_n20_p0_8 = binom.rvs(n=20, p=0.6, size=10000, random_state=0)

df = pd.DataFrame({
  'x_n10_p0_6': x_n10_p0_6,
  'x_n10_p0_8': x_n10_p0_8,
  'x_n20_p0_8': x_n20_p0_8
})
for col in df.columns:
  xmin = df[col].min()
  xmax = df[col].max()
  counts, _ = np.histogram(df[col], bins=np.arange(xmin - 0.5, xmax + 1, 1))
  plt.scatter(range(xmin, xmax + 1), counts, label=col)
plt.legend()
plt.gca().xaxis.set_major_locator(MaxNLocator(integer=True))  # force integer ticks for discrete x-axis
plt.ylim(ymin=0)
plt.show()

请注意，seaborn 的 histplot 有比本示例中显示的更多选项(例如，将计数缩小到密度)。