matplotlib可视化篇hist()--直方图
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了matplotlib可视化篇hist()--直方图相关的知识,希望对你有一定的参考价值。
参考技术A函数:matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype=\'bar\', align=\'mid\', log=False, color=None, label=None, stacked=False, normed=None)
x: 数据集,最终的直方图将对数据集进行统计
bins: 统计的区间分布
range: tuple, 显示的区间, range在没有给出bins时生效
density: bool,默认为false,显示的是 频数统计结果 ,为True则显示频率统计结果,这里需要注意,频率统计结果=区间数目/(总数*区间宽度),和normed效果一致,官方推荐使用density
histtype: 可选\'bar\', \'barstacked\', \'step\', \'stepfilled\'之一,默认为bar,推荐使用默认配置,step使用的是梯状,stepfilled则会对梯状内部进行填充,效果与bar类似
align: 可选\'left\', \'mid\', \'right\'之一,默认为\'mid\',控制柱状图的水平分布,left或者right,会有部分空白区域,推荐使用默认
log: bool,默认False,即y坐标轴是否选择指数刻度
stacked: bool,默认为False,是否为堆积状图
效果图:
处理效果:
matplotlib 笔记:hist(直方图)
1 函数介绍
matplotlib.pyplot.hist(
x,
bins=None,
range=None,
density=None,
bottom=None,
histtype='bar',
align='mid',
log=False,
color=None,
label=None,
stacked=False,
normed=None)
2 参数说明
x | 数据集,最终的直方图将对数据集进行统计 |
bins | 统计的区间分布 |
range | tuple, 显示的区间,range在没有给出bins时生效 |
density | bool,默认为false,显示的是频数统计结果,为True则显示频率统计结果,这里需要注意,频率统计结果=区间数目/(总数*区间宽度) |
histtype | 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一,默认为bar,step使用的是梯状,stepfilled则会对梯状内部进行填充,效果与bar类似 |
align | 可选{'left', 'mid', 'right'}之一,默认为'mid',控制柱状图的水平分布 |
log | bool,默认False,即y坐标轴是否选择指数刻度 |
stacked | bool,默认为False,是否为堆积状图 |
3 具体使用
3.1 bins
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(0,100,1000)
plt.hist(x,bins=50)
3.2 range
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(0,100,1000)
plt.hist(x,range=[0,10])
3.3 density
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(0,100,1000)
plt.hist(x,bins=50,density=True)
3.4 histtype='step'
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(0,100,1000)
plt.hist(x,bins=10,histtype='step')
以上是关于matplotlib可视化篇hist()--直方图的主要内容,如果未能解决你的问题,请参考以下文章
Matplotlib(3直方图) - plt.hist()参数解释&应用实例