python - real - histogramas en spyder

¿Cómo hacer un histograma a partir de una lista de cadenas en Python?

Question

Tengo una lista de cuerdas:

a = [''a'', ''a'', ''a'', ''a'', ''b'', ''b'', ''c'', ''c'', ''c'', ''d'', ''e'', ''e'', ''e'', ''e'', ''e'']

Quiero hacer un histograma para mostrar la distribución de frecuencia de las letras. Puedo hacer una lista que contiene el recuento de cada letra usando los siguientes códigos:

from itertools import groupby
b = [len(list(group)) for key, group in groupby(a)]

¿Cómo hago el histograma? Puedo tener un millón de tales elementos en la lista a .

Answer 1

Aquí hay un enfoque conciso de todos los pandas:

a = [''a'', ''a'', ''a'', ''a'', ''b'', ''b'', ''c'', ''c'', ''c'', ''d'', ''e'', ''e'', ''e'', ''e'', ''e'']
pd.Series(a).value_counts().plot(''bar'')

Answer 2

Como @notconfusing señaló anteriormente, esto se puede resolver con Pandas y Counter. Si por alguna razón no necesita usar Pandas , puede hacerlo con solo matplotlib usando la función en el siguiente código:

from collections import Counter
import numpy as np
import matplotlib.pyplot as plt

a = [''a'', ''a'', ''a'', ''a'', ''b'', ''b'', ''c'', ''c'', ''c'', ''d'', ''e'', ''e'', ''e'', ''e'', ''e'']
letter_counts = Counter(a)

def plot_bar_from_counter(counter, ax=None):
    """"
    This function creates a bar plot from a counter.

    :param counter: This is a counter object, a dictionary with the item as the key
     and the frequency as the value
    :param ax: an axis of matplotlib
    :return: the axis wit the object in it
    """

    if ax is None:
        fig = plt.figure()
        ax = fig.add_subplot(111)

    frequencies = counter.values()
    names = counter.keys()

    x_coordinates = np.arange(len(counter))
    ax.bar(x_coordinates, frequencies, align=''center'')

    ax.xaxis.set_major_locator(plt.FixedLocator(x_coordinates))
    ax.xaxis.set_major_formatter(plt.FixedFormatter(names))

    return ax

plot_bar_from_counter(letter_counts)
plt.show()

Que producirá

Answer 3

Echa un vistazo a matplotlib.pyplot.bar . También hay un numpy.histogram que es más flexible si quieres contenedores más anchos.

Answer 4

En lugar de usar groupby() (que requiere que su entrada esté ordenada), use collections.Counter() ; esto no tiene que crear listas intermedias solo para contar entradas:

from collections import Counter

counts = Counter(a)

No has especificado realmente lo que consideras un "histograma". Asumamos que querías hacer esto en la terminal:

width = 120  # Adjust to desired width
longest_key = max(len(key) for key in counts)
graph_width = width - longest_key - 2
widest = counts.most_common(1)[0][1]
scale = graph_width / float(widest)

for key, size in sorted(counts.items()):
    print(''{}: {}''.format(key, int(size * scale) * ''*''))

Manifestación:

>>> from collections import Counter
>>> a = [''a'', ''a'', ''a'', ''a'', ''b'', ''b'', ''c'', ''c'', ''c'', ''d'', ''e'', ''e'', ''e'', ''e'', ''e'']
>>> counts = Counter(a)
>>> width = 120  # Adjust to desired width
>>> longest_key = max(len(key) for key in counts)
>>> graph_width = width - longest_key - 2
>>> widest = counts.most_common(1)[0][1]
>>> scale = graph_width / float(widest)
>>> for key, size in sorted(counts.items()):
...     print(''{}: {}''.format(key, int(size * scale) * ''*''))
... 
a: *********************************************************************************************
b: **********************************************
c: **********************************************************************
d: ***********************
e: *********************************************************************************************************************

Se encuentran herramientas más sofisticadas en las numpy.histogram() y matplotlib.pyplot.hist() . Estos hacen el recuento por usted, con matplotlib.pyplot.hist() también le proporciona resultados gráficos.

Answer 5

Forma simple y efectiva de hacer un histrograma de caracteres en python.

import numpy as np

import matplotlib.pyplot as plt

from collections import Counter



a = []
count =0
d = dict()
filename = raw_input("Enter file name: ")
with open(filename,''r'') as f:
    for word in f:
        for letter  in word:
            if letter not in d:
                d[letter] = 1
            else:
                d[letter] +=1
num = Counter(d)
x = list(num.values())
y = list(num.keys())

x_coordinates = np.arange(len(num.keys()))
plt.bar(x_coordinates,x)
plt.xticks(x_coordinates,y)
plt.show()
print x,y

Answer 6

Muy fácil con Pandas .

import pandas
from collections import Counter
a = [''a'', ''a'', ''a'', ''a'', ''b'', ''b'', ''c'', ''c'', ''c'', ''d'', ''e'', ''e'', ''e'', ''e'', ''e'']
letter_counts = Counter(a)
df = pandas.DataFrame.from_dict(letter_counts, orient=''index'')
df.plot(kind=''bar'')

Tenga en cuenta que Counter está haciendo un conteo de frecuencia, por lo que nuestro tipo de gráfico es ''bar'' no ''hist'' .