情景引入
我们在做机器学习相关项目时,常常会分析数据集的样本分布,而这就需要用到直方图的绘制。
在Python中可以很容易地调用matplotlib.pyplot的hist函数来绘制直方图。不过,该函数参数不少,有几个绘图的小细节也需要注意。
首先,我们假定现在有个联邦学习的项目情景。我们有一个样本个数为15的图片数据集,样本标签有4个,分别为cat, dog, car, ship。这个数据集已经被不均衡地划分到4个任务节点(client)上。 情境引入
我们在做机器学习相关项目时,常常会分析数据集的样本分布,而这就需要用到直方图的绘制。
在Python中可以很容易地调用matplotlib.pyplot
的hist
函数来绘制直方图。不过,该函数参数不少,有几个绘图的小细节也需要注意。
首先,我们假定现在有个联邦学习的项目情景。我们有一个样本个数为15的图片数据集,样本标签有4个,分别为cat
, dog
, car
, ship
。这个数据集已经被不均衡地划分到4个任务节点(client)上,如像下面表示:
N_CLIENTS = 3
num_cls, classes = 4, ['cat', 'dog', 'car', 'ship']
train_labels = [0, 3, 2, 0, 3, 2, 1, 0, 3, 3, 1, 0, 3, 2, 2] #数据集的标签列表
client_idcs = [slice(0, 4), slice(4, 11), slice(11, 15)]
# 数据集样本在client上的划分情况
我们需要可视化样本在任务节点的分布情况。我们第一次可能会写出如下代码:
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(5,3))
plt.hist([train_labels[idc]for idc in client_idcs], stacked=False,
bins=num_cls,
label=["Client {}".format(i) for i in range(N_CLIENTS)])
plt.xticks(np.arange(num_cls), classes)
plt.legend()
plt.show()
此时的可视化结果如下:
这时我们会发现,我们x轴上的标签和上方的bar(每个图像类别对应的3个bar合称为1个bin)并没有对齐,而这时剧需要我们调整bins
这个参数。
bins 参数
在讲述bins参数之前我们先来熟悉一下hist
绘图中bin和bar的含义。下面是它们的诠释图:
这里\(x_1\)、\(x_2\)是x轴对象,在hist
中,默认x轴第一个对象对应刻度为0,第2个对象刻度为1,依次类图。在这个诠释图上,bin(原意为垃圾箱)就是指每个x轴对象所占优的矩形绘图区域,bar(原意为块)就是指每个矩形绘图区域中的条形。 如上图所示,x轴第一个对象对应的bin区间为[-0.5, 0.5),第2个对象对应的bin区域为[0.5, 1)(注意,hist
规定一定是左闭又开)。每个对象的bin区域内都有3个bar。
通过查阅matplotlib
文档,我们知道了bins
参数的解释如下:
bins: int or sequence or str, default: rcParams["hist.bins"] (default: 10)
If bins is an integer, it defines the number of equal-width bins in the range.
If bins is a sequence, it defines the bin edges, including the left edge of the first bin and the right edge of the last bin; in this case, bins may be unequally spaced. All but the last (righthand-most) bin is half-open. In other words, if bins is:
[1, 2, 3, 4]
then the first bin is [1, 2) (including 1, but excluding 2) and the second [2, 3). The last bin, however, is [3, 4], which includes 4.
If bins is a string, it is one of the binning strategies supported by numpy.histogram_bin_edges: 'auto', 'fd', 'doane', 'scott', 'stone', 'rice', 'sturges', or 'sqrt'.
我来概括一下,也就是说如果bins
是个数字,那么它设置的是bin的个数,也就是沿着x轴划分多少个独立的绘图区域。我们这里有四个图像类别,故需要设置4个绘图区域,每个区域相对于x轴刻度的偏移采取默认设置。
不过,如果我们要设置每个区域的位置偏移,我们就需要将bins
设置为一个序列。
bins
序列的刻度要参照hist
函数中的x坐标刻度来设置,本任务中4个分类类别对应的x轴刻度分别为[0, 1, 2, 3]
。如果我们将序列设置为[0, 1, 2, 3, 4]
就表示第一个绘图区域对应的区间是[1, 2)
,第2个绘图区域对应的位置是[1, 2)
,第三个绘图区域对应的位置是[2, 3)
,依次类推。
就大众审美而言,我们想让每个区域的中心和对应x轴刻度对齐,这第一个区域的区间为[-0.5, 0.5)
,第二个区域的区间为[0.5, 1.5)
,依次类推。则最终的bins
序列为[-0.5, 0.5, 1.5, 2.5, 3.5]
。于是,我们将hist
函数修改如下:
plt.hist([train_labels[idc]for idc in client_idcs], stacked=False,
bins=np.arange(-0.5, 4, 1),
label=["Client {}".format(i) for i in range(N_CLIENTS)])
这样,每个划分区域和对应x轴的刻度就对齐了:
stacked参数
有时x轴的项目多了,每个x轴的对象都要设置3个bar对绘图空间无疑是一个巨大的占用。在这个情况下我们如何压缩空间的使用呢?这个时候参数stacked
就派上了用场,我们将参数stacked
设置为True
:
plt.hist([train_labels[idc]for idc in client_idcs],stacked=True
bins=np.arange(-0.5, 4, 1),
label=["Client {}".format(i) for i in range(N_CLIENTS)])
可以看到每个x轴对象的bar都“叠加”起来了:
不过,新的问题又出来了,这样每x轴对象的bar之间完全没有距离了,显得十分“拥挤”,我们可否修改bins
参数以设置区域bin之间的间距呢?答案是不行,因为我们前面提到过,bins
参数中只能将区域设置为连续排布的。
换一个思路,我们设置每个bin内的bar和bin边界之间的间距。此时,我们需要修改r_width
参数。
rwidth 参数
我们看文档中对rwidth
参数的解释:
rwidth float or None, default: None
The relative width of the bars as a fraction of the bin width. If None, automatically compute the width.
Ignored if histtype is 'step' or 'stepfilled'.
翻译一下,rwidth
用于设置每个bin中的bar相对bin的大小。这里我们不妨修改为0.5:
plt.hist([train_labels[idc]for idc in client_idcs],stacked=True,
bins=np.arange(-0.5, 4, 1), rwidth=0.5,
label=["Client {}".format(i) for i in range(N_CLIENTS)])
修改之后的图表如下:
可以看到每个x轴元素内的bar正好占对应bin的宽度的二分之一。
引用
[1] https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html
到此这篇关于Matplotlib直方图绘制中的参数bins和rwidth的实现的文章就介绍到这了,更多相关Matplotlib bins rwidth内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!