如何使用大量数据的 tikzpicture 制作直方图？

Question

这个问题让我抓狂，我整天都坐着尝试所有我能想到的方法，却没有任何有用的结果。我有一个这样的 csv 文件：

3001, 3001, 15001, 7206, 7217, 7617, 15001, 7215, 7536, 7206, 7557, 7212, 7158, 7833, 8394, 15001, 8103, 10736, 15001...

我想绘制不同数字出现的频率并制作直方图。总共有大约 100 万个数字。如果 tikzpicture 无法处理，我还制作了一个如下的 csv 文件：

data,count
1361,8
1377,8
1385,2
1389,2
2001,20
...

数据已经统计过。此文件只有 540 行。问题是许多数字彼此非常接近，因此条形图中的条形最终会相互重叠。因此，我制作了另一个 csv 文件，其中的箱体如下所示：

data,count
1000,20
2000,20
3000,5195
...

但我也不知道该如何绘制它...我没什么主意了。我该如何绘制这些数据？？？

这是我迄今为止最好的尝试：完整数据：

data,count
1000,20
2000,20
3000,5195
4000,0
5000,0
6000,501392
7000,1481
8000,495
9000,163
10000,683
15000,114
20000,0
30000,0
40000,0
50000,2240
60000,0
70000,0
80000,0
90000,0
100000,213734
110000,0
120000,0
130000,2923
200000,37

代码：

\begin{figure}[H]
  \centering
  \begin{tikzpicture}
        \begin{loglogaxis}[
                    ybar,
                    bar width=1pt,
                    ymin=0,
                    x=2cm,
                    scaled x ticks=false,
                    x tick label style={rotate=45, anchor=east},
                    xtick=data,
                    xticklabels={1 000 - 1 999,2 000 - 2 999,3 000 - 3 999,6 000 - 6 999,7 000 - 7 999,8 000 - 8 999,9 000 - 9 999,10 000 - 14 999,15 000 - 19 999,50 000 - 59 999,100 000 - 109 999,130 000 - 199 999,200 000 - 304 969},
                    xlabel=Sampling Rate (Hz),
                    ylabel=Count]
              \addplot table[x=data,y=count,col sep=comma] {dataset_stats/all_files_length_samples_binned2.csv};
        \end{loglogaxis}
  \end{tikzpicture}
\end{figure}

结果：

感谢您的帮助

Answer 1

我建议两个选项，一个用于分组数据，一个用于离散值的计数列表。

首先，对于分组数据，我认为ybar interval这可能是最好的可视化。这样，间隔宽度已经由条形宽度与相关刻度标签的组合给出。我仍然遇到了 100 和 130 kHz 的小重叠/关闭标签问题，我只能通过省略其中一个刻度来解决这个问题。此外，零loglogaxis不能很好地处理，所以我不得不解决这个问题。我假设，可能有更好的方法来处理刻度，但这是我目前得到的结果：

\documentclass{standalone}

\usepackage{pgfplots}

\begin{filecontents}{adjusted_data.csv}
data,count
1000,20
2000,20
3000,5195
4000,1e-1
5000,1e-1
6000,501392
7000,1481
8000,495
9000,163
10000,683
15000,114
20000,1e-1
30000,1e-1
40000,1e-1
50000,2240
60000,1e-1
70000,1e-1
80000,1e-1
90000,1e-1
100000,213734
110000,1e-1
120000,1e-1
130000,2923
200000,37
304696,1e-1
\end{filecontents}

\begin{document}

\begin{tikzpicture}
    \begin{loglogaxis}[
            ybar interval,
        ymin=1,
        x=2cm,
        xtick=data,
        x tick label as interval=false,
        % xticklabels={1,2,3,4,5,6,7,8,9,10,15,20,30,40,50,60,70,80,90,100,110,120,130,200},
        xticklabels={1,2,3,4,{},6,{},8,{},10,15,20,{},{},50,{},{},{},{},100,{},{},{},200},
        xlabel=Sampling Rate (kHz),
        ylabel=Count,
        fill=blue]
                \addplot table[x=data,y=count,col sep=comma] {adjusted_data.csv};%
    \end{loglogaxis}
\end{tikzpicture}

\end{document}

请注意，我必须使用一个小技巧，用一个小数字覆盖数据中的零，并通过 截断 1 以下的所有内容ymin。我还为最后一个间隔添加了一个最终点 304969。

或者，在计算离散值时，类似于 MATLAB 中的 stem 图可能是条形图的良好替代方案，并且不存在重叠问题。这可以通过以下选项ycomb实现：addplot

\documentclass{standalone}

\usepackage{pgfplots}

\begin{document}

\begin{tikzpicture}

\begin{loglogaxis}[%
    xmin=1300,
    xmax=305000,
    ymin=1,
    ymax=1e6,
    xlabel=Sampling Rate (Hz),
    ylabel=Count
]
\addplot[ycomb, color=blue, forget plot] table[row sep=crcr] {%
    1361    8\\
    1377    8\\
    1385    2\\
    1389    2\\
    2001    20\\
};
\end{loglogaxis}

\end{tikzpicture}%

\end{document}

这里，我不确定完整数据的图表是否好/可读性。区分接近值的线可能仍然存在一些问题，如下面前几个数据点所示。