这个例子展示了如何使用柱状图
有效地查看分类数据。您可以使用名称-值对“NumDisplayBins”
,“DisplayOrder”
,“ShowOthers”
更改分类直方图的显示。这些选项可以帮助您更好地组织数据并减少情节中的干扰。
示例文件outages.csv
包含了美国电力供应中断的数据。该文件包含六列:地区
,OutageTime
,损失
,客户
,RestorationTime
,导致
.
读了outages.csv
文件作为表。使用“格式”
选项指定每列包含的数据类型:“% C”
),浮点数字(' % f '
),或datetime (' % D '
).索引到数据的前几行以查看变量。
data_formats =' % C % D % f % f % D % C ';C = readtable (“outages.csv”,“格式”, data_formats);: first_few_rows = C (1:10)
first_few_rows =10×6表区域中断时间损失客户恢复时间原因_________ ________________ ________________ ________________ _______________ SouthWest 2002-02-01 12:18 458.98 1.8202e+06 2002-02-07 16:50 winter storm SouthEast 2003-01-23 00:49 530.14 2.1204e+05 NaT winter storm SouthEast 2003-02-07 21:15 289.4 1.4294e+05 2003-02-17 08:14 winter storm West2004-04-06 05:44 434.81 3.4037e+05 2004-04-06 06:10 equipment fault MidWest 2002-03-16 06:18 186.44 2.1275e+05 2002-03-18 23:23 severe storm West 2003-06-18 02:49 00 2003-06-18 10:54 attack West 2004-06-20 14:39 231.29 NaN 2004-06-20 19:16 equipment fault West 2002-06-06 19:28 311.86 NaN 2002-06-07 00:51 equipment fault NorthEast 2003-07-16 16:23239.93 49434 2003-07-17 01:12 fire MidWest 2004-09-27 11:09 286.72 66104 2004-09-27 16:37设备故障
绘制的分类直方图导致
变量。指定输出参数以返回直方图对象的句柄。
h =直方图(C.Cause);包含(“故障原因”) ylabel (“频率”)标题(“最常见的停电原因”)
改变直方图的规范化使用“概率”
规格化,显示每个中断原因的相对频率。
h.Normalization =“概率”;ylabel (的相对频率)
使用“DisplayOrder”
选项排序的箱子从最大到最小。
h.DisplayOrder =“下”;
使用“NumDisplayBins”
选项显示只有三个酒吧在情节。显示的概率不再加1,因为未显示的数据仍然考虑到规范化。
h.NumDisplayBins = 3;
使用“ShowOthers”
选项总结所有被排除的条形图,使显示的概率再次加为1。
h.ShowOthers =“上”;
在R2017a之前柱状图
和histcounts
函数仅使用扔进垃圾箱数据来计算标准化。这种行为意味着,如果一些数据最终出现在容器之外,为了进行规范化,它将被忽略。然而,在MATLAB®R2017a中,行为改变为总是使用输入数据中的元素总数进行归一化。新的行为更直观,但是如果您喜欢旧的行为,那么您需要采取一些特殊的步骤,将规范化限制在只对已分类的数据进行。
您可以将概率归一化限制在直方图中显示的数据上,而不是对所有输入数据进行归一化。简单的更新数据
属性,以删除其他类别。的类别
属性反映直方图中显示的类别。使用setdiff
比较两个属性值并删除任何类别数据
这不在类别
.然后删除所有结果未定义的
数据中的分类元素,只在显示的类别中保留元素。
h.ShowOthers =“关闭”;cats_to_remove = setdiff(类别(h.Data), h.Categories);h.Data = removecats (h.Data cats_to_remove);h.Data = rmmissing (h.Data);
标准化现在只基于剩下的三个类别,所以这三个栏加到1。