Byłoby bardziej pomocne, gdybyś przedstawił bardziej kompletny działający (lub w tym przypadku niedziałający) przykład.
Próbowałem następujących rzeczy:
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)
fig = plt.figure()
ax = fig.add_subplot(111)
n, bins, rectangles = ax.hist(x, 50, density=True)
fig.canvas.draw()
plt.show()
Spowoduje to rzeczywiście utworzenie histogramu wykresu słupkowego z osią Y biegnącą od [0,1]
.
Ponadto, zgodnie z hist
dokumentacją (tj. ax.hist?
Z ipython
), myślę, że suma też jest w porządku:
*normed*:
If *True*, the first element of the return tuple will
be the counts normalized to form a probability density, i.e.,
``n/(len(x)*dbin)``. In a probability density, the integral of
the histogram should be 1; you can verify that with a
trapezoidal integration of the probability density function::
pdf, bins, patches = ax.hist(...)
print np.sum(pdf * np.diff(bins))
Próbując tego po poleceniach powyżej:
np.sum(n * np.diff(bins))
Otrzymuję wartość zwrotu 1.0
zgodnie z oczekiwaniami. Pamiętaj, że normed=True
nie oznacza to, że suma wartości na każdym słupku będzie równa jedności, ale zamiast całki po słupkach jest jednością. W moim przypadku np.sum(n)
wrócił ok 7.2767
.