ヒストグラムしたい（pandas.DataFrame.plot.hist）

1data.plot(kind="hist", bins=ビン数, title="ヒストグラム")
2data.plot(kind="hist", bins=ビン数, stacked=True, title="積み上げヒストグラム")
3data.plot.hist(by=["カラム名"], bins=ビン数)

pandas.DataFrame.plot.histを使って数値データをヒストグラムにできます。 byオプションにグループ化に使うカラム名を指定します。 binsオプションでビン数を変更できます。デフォルトは10になっています。 その他にpandas.DataFrame.histとmatplotlib.pyplot.histのオプションも利用できます。

注釈

カラム内のデータがstr型の場合、このメソッドは使えません（たぶん）。 あらかじめデータフレームを集計して、棒グラフ（pandas.DataFrame.plot.bar）を使う必要があります（たぶん）。

重要

ヒストグラムはいろんなことを教えてくれます。 実験で測定したデータは、まずヒストグラムにしてその分布を確認しましょう。

参考

ビニングしたい（bins）

1bins = [0, 10, 20, 30, 40, 50, 60, 70, 80]
2data.plot.hist(bins=bins)

binsオプションを使ってビニングを変更できます。 デフォルトはbins=10となっていて、均等に10分割されます。 リストを指定して、任意の間隔でビニングできます。

統計情報を自動計算したい

 1def hbar(data, x, bins, xmin, xmax, **kwargs):
 2
 3    # x で指定したカラムのコピーを作成
 4    copied = data[[x]].copy()
 5
 6    # Entries
 7    entries = len(copied)
 8
 9    # Underflow
10    q = f"{x} < {xmin}"
11    uf = copied.query(q).count().iloc[0]
12
13    # Overflow
14    q = f"{x} > {xmax}"
15    of = copied.query(q).count().iloc[0]
16
17    # Valid
18    q = f"{xmin} <= {x} <= {xmax}"
19    v = copied.query(q)
20    n = len(v)
21    mean = v.mean().iloc[0]
22    rms = v.std().iloc[0]
23
24    stats = {
25        "entries": int(entries),
26        "underflow": int(uf),
27        "overflow": int(of),
28        "mean": mean,
29        "rms": rms
30        }
31    plot = v.plot.hist(bins=bins, **kwargs)
32    return plot, stats

ROOTのTH1クラスを真似してヒストグラムを作ってみました。