直方图

概念: 直方图是用来衡量连续变量的概率分布的。

参数详解

使用matplotlib绘制直方图:

直方图的参数只有一个x！！！不像条形图需要传入x,y

plt.hist(
    x,
    bins=None,
    range=None,
    density=False,
    weights=None,
    cumulative=False,
    bottom=None,
    histtype='bar',
    align='mid',
    orientation='vertical',
    rwidth=None,
    log=False,
    color=None,
    label=None,
    stacked=False,
    *,
    data=None,
    **kwargs,
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

hist()的参数

• x: 输入数据
• bins：可以是一个bins数量的整数值，也可以是表示bins的一个序列。默认值为10

bins（把值分成多少等份），也就是说我们需要先把连续值划分成不同等份，然后计算每一份里面数据的数量。

• range
  设置X轴刻度的起始刻度和结束刻度

• density：如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False

• color：指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色

• orientation：通过设置orientation为horizontal创建水平直方图。默认值为vertical

• align：{'left', 'mid', 'right'}, default: 'mid'

  • left：条形图位于左侧边缘。
  • 'mid'：条形图位于中心位置。
  • 'right'：条形图位于右侧边缘。

• label：添加图例

• rwidth：条形图的相对宽度

参数实例及讲解

import numpy as np
x = np.random.randint(1,10,size = 10)
# 展示下 rwidth 的作用
print(x)
plt.hist(x, bins=5, rwidth=0.5, range = (0, 10), color = "red", label='数字统计')  # 将10个数字分成5份, 展示分布频率
plt.legend()
plt.show()
1
2
3
4
5
6
7

label: 声明图例后，使用legend(),才能显示
rwidth：设置图形所占x轴的比例
range： 设置X轴刻度的区间

代码运行结果

bins通过列表设为区间及返回值分析

print(x)
n, bins, patches = plt.hist(x, bins=[1,3,5,8,10], rwidth=0.5)
plt.show()
1
2
3

• 我们指定的是间隔的边缘，每一个间隔为[1,3) [3,5) [5,8) [8,10],
• rwidth：会按照间隔的0.5进行展示，比如x轴1到3的一半，5到8 的一半，
• 除了最后一个间隔外，所有间隔均为左闭右开
• 而且每一个间隔长度不用相等
• 在我们指定间隔外的数据会被直接忽略

注：如果bins为列表形式，则range对其无影响

print('数字分布：', n)
print('间隔划分:', bins)
print(patches)
1
2
3

n：表示落入每个bins中的样本数
bins: 表间隔的划分区间
patches： Patch objects，暂不明白😰

代码运行结果

density

print(x)
n, bins, patches = plt.hist(x, bins=[1,3,5,8,10], rwidth=0.5, density=True)
plt.show()
print('数字分布：', n)
print('间隔划分:', bins)
print(patches)
1
2
3
4
5
6

• density设置为True时，纵轴显示分布频率
• n此时为分布频率的值
  

参考文章

Matplotlib官方手册地址
python绘制直方图matplotlib.pyplot.hist( ) 方法常用参数详解

欢迎大家在评论区留言，知无不言，言无不尽。感觉不错的话，别忘了点赞收藏哦！