Построение высокоточных данных в виде осевых тиков или их преобразование в разные значения?

Question

Я пытаюсь построить некоторые данные в виде гистограммы в matplotlib, используя значения высокой точности в качестве x-axis тиков. Данные в диапазоне от 0 до 0,4, но большинство значений очень близки, как:

0.05678, 0.05879, 0.125678, 0.129067

я использовал для того, чтобы значения np.around() (и это сделало их он должен от 0 до 0,4) меньше, но для всех данных это не сработало. Вот пример того, что работал несколько справа ->

и один, который не сделал ->

вы можете видеть, что есть точки после 0.4, который просто не подходит. Вот код, который я использовал в Jupyter Notebook:

plt.hist(x=[advb_ratios,adj_ratios,verb_ratios],color = ['r','y','b'], bins =10, label = ['adverbs','adjectives', 'verbs']) 
plt.xticks(np.around(ranks,1)) 
plt.xlabel('Argument Rank') 
plt.ylabel('Frequency') 
plt.legend() 
plt.show() 

Это то же самое для обоих гистограмм только разные x что я черчения, все x значения, которые используются между 0 and 1.

Так что мои вопросы:

1. Есть ли способ исправить это и отражает мои данные, как это?
2. Лучше ли давать мои rank значения разных меток, которые отделяют их больше друг от друга, например, 1,2,3,4, или я потеряю точность своих данных и некоторую полезную информацию?
3. Каков общий подход в таких ситуациях? Будет ли другая графическая помощь? Какие?

Answer 1

Я не понимаю вашу проблему, факт, что данные находятся между 0 и 0.4, не должен влиять на способ отображения. Я не понимаю, зачем вам нужно что-то делать, кроме звонка plt.hist().

Кроме того, вы можете передать массив в bins аргумента указать, какие бункеров вы хотите, чтобы вы могли сделать что-то подобное, чтобы заставить размер ваших закромах, чтобы быть всегда такой же

# Fake data 
x1 = np.random.normal(loc=0, scale=0.1, size=(1000,)) 
x2 = np.random.normal(loc=0.2, scale=0.1, size=(1000,)) 
x3 = np.random.normal(loc=0.4, scale=0.1, size=(1000,)) 

plt.hist([x1,x2,x3], bins=np.linspace(0,0.4,10))