ヒストグラムは、データの分布を視覚化するための図です。NumPy の histogram 関数を使うと、データをビン（区間）に分けて、各ビンに含まれる要素数を数えることができます。
histogram の基本
np.histogram() は、ヒストグラムのデータ（度数とビンの境界）を返します。
import numpy as np data = np.array([1, 2, 2, 3, 3, 3, 4, 4, 5]) hist, bin_edges = np.histogram(data) print(hist) # [1 1 1 2 1 1 1 0 0 1] print(bin_edges) # [1. 1.4 1.8 2.2 2.6 3. 3.4 3.8 4.2 4.6 5. ]
hist が各ビンの度数（要素数）、bin_edges がビンの境界値です。デフォルトでは 10 個のビンに分けられます。
ビン数の指定
bins 引数でビンの数を指定できます。
data = np.array([1, 2, 2, 3, 3, 3, 4, 4, 5]) # 5つのビンに分ける hist, bin_edges = np.histogram(data, bins=5) print(hist) # [1 2 3 2 1] print(bin_edges) # [1. 1.8 2.6 3.4 4.2 5. ]
各ビンの範囲は [1.0, 1.8), [1.8, 2.6), ... のように、左端を含み右端を含まない区間になります（最後のビンのみ右端も含む）。
ビンの境界を直接指定
リストで境界値を渡すと、ビンの範囲を細かく指定できます。
data = np.array([1, 2, 2, 3, 3, 3, 4, 4, 5]) # 1〜2, 2〜3, 3〜4, 4〜5 の4つのビン hist, bin_edges = np.histogram(data, bins=[1, 2, 3, 4, 5, 6]) print(hist) # [1 2 3 2 1] print(bin_edges) # [1 2 3 4 5 6]
範囲の指定
range 引数でデータの範囲を指定できます。範囲外のデータは無視されます。
data = np.array([1, 2, 3, 4, 5, 100]) # 1〜10の範囲でヒストグラムを作成（100は除外） hist, bin_edges = np.histogram(data, bins=5, range=(1, 10)) print(hist) # [3 2 0 0 0]
正規化（密度）
density=True を指定すると、ヒストグラムが正規化されます。すべてのビンの面積の合計が 1 になります。
data = np.random.randn(1000) # 正規分布のデータ hist, bin_edges = np.histogram(data, bins=20, density=True) print(hist.sum() * (bin_edges[1] - bin_edges[0])) # ≒ 1.0
確率密度関数の近似として使いたいときに便利です。
matplotlib でヒストグラムを描画
NumPy の histogram はデータを計算するだけなので、グラフを描くには matplotlib を使います。
import matplotlib.pyplot as plt data = np.random.randn(1000) # NumPyで計算してmatplotlibで描画 hist, bin_edges = np.histogram(data, bins=30) plt.bar(bin_edges[:-1], hist, width=np.diff(bin_edges), edgecolor='black') plt.show()
ただし、matplotlib には plt.hist() という便利な関数があり、こちらを使うほうが簡単です。
data = np.random.randn(1000) plt.hist(data, bins=30, edgecolor='black') plt.xlabel('Value') plt.ylabel('Frequency') plt.title('Histogram') plt.show()
2次元ヒストグラム
np.histogram2d() を使うと、2変数のヒストグラムを作成できます。
x = np.random.randn(1000) y = np.random.randn(1000) hist, x_edges, y_edges = np.histogram2d(x, y, bins=20) print(hist.shape) # (20, 20)
ヒートマップとして可視化することで、2変数の分布の関係がわかります。
NumPy の histogram は分析の基礎となる機能です。データの分布を把握するときに活用してみてください。
