直方图的绘制 基于python-matplotlib库

Posted 2022-04-13 侯小啾

文章目录

• 1.关于直方图
• 2 plt.hist()
• 3. 绘制一幅简单的 频数 分布直方图
• 4. 绘制一幅 频率 分布直方图
• 5. 累积分布直方图（水平方向）

---

      ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞ
                 
    ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞ

---

大家好，我是侯小啾！

 今天分享的内容是，如何使用python的matplotlib库绘制直方图。

---

1.关于直方图

直方图 也称 质量分布图，虽然看起来像柱状图，
实际上区别又很大。直方图通常横轴表示数据类型，纵轴表示各数据类型的分布情况。

直方图又可以分为频数分布直方图和频率分布直方图。其绘制方法并无多少差异，只是描述的事件有所不同。频数分布直方图描述的是某事件的数量，而频率分布则描述的是其发生的频率。
 
而关于频率分布直方图，又可以理解为是“密度图”的一种。频率分布直方图 和 密度图 都可以用来描述事件的概率分布，其中频率分布直方图描述的是离散型随机变量的概率分布，而密度图则描述的是连续型随机变量的概率分布。

---

2 plt.hist()

绘制直方图通过plt.hist()方法实现，其常用的参数有：

x 数据集
bins ------------- 统计数据的区间分布。可以是一个元素为数值的列表，也可以是一个数值。是一个数值的时候可以配合range参数使用。
range ----------- 元组类型，显示的区间。
当设置区间分布使用数值型的bins和range参数设定时：range确定一个范围，传入形式是一个元组（注意不是range范围对象），左右端点值都可取。数值型的bins表示将该范围分成的份数（等分）。
density --------- 布尔型，显示频率统计结果。默认为None（相当于False），设为False不显示频率统计结果；设为True则显示频率统计结果，即绘制出的图像由频数分布直方图变为频率分布直方图。
histtype -------- 可选参数，即直方图的类型。默认为bar，即绘制出的“柱状”条形。还可以设置为barstacked、step、stepfilled。
align -------------可选参数，控制柱状图的水平分布，设置值为left、mid 或 right，默认值为mid，也推荐使用mid。left和right会产生部分的空白区域。
log --------------- 布尔类型，默认为False，即y轴是否选择指数刻度。
stacked --------- 布尔类型，默认为False，表示是否为堆积柱状图。
edgecolor------- 设定边沿颜色
facecolor-------- 可以用来设定直方图的颜色，也可以简写为color。
orientation-------直方图的方向，默认为竖直方向上的（‘vertical’），设为’horizontal’则表示水平方向上的。
cumulative------默认为False，表示不累积。如果为True则设置累积分度直方图。

---

3. 绘制一幅简单的 频数 分布直方图

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] ='#cc00ff'
# 设定随机数种子为30
np.random.seed(30)
data = np.random.randint(0, 100, 100)
plt.hist(data, bins=[0, 25, 50, 75, 100], facecolor='#ffff00', edgecolor='#FF0000')
plt.xlabel('X指标')
plt.ylabel('样本个数')
plt.title('X指标频数分布直方图')
plt.show()

       

---

4. 绘制一幅 频率 分布直方图

将density设置为True即可·。

此外我们再修改一些细节，将histtype参数设置为stepfilled（梯状且填充）。
并把y轴的标签由“样本个数”改为“样本频率”。

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] ='#cc00ff'
np.random.seed(30)
data = np.random.randint(0, 100, 100)
plt.hist(data, bins=[0, 25, 50, 75, 100], facecolor='#ffff00', edgecolor='#FF0000', density=True, histtype='stepfilled')
plt.xlabel('X指标')
plt.ylabel('样本频率')
plt.title('X指标频数分布直方图')
plt.show()

图像效果如下：
       

---

5. 累积分布直方图（水平方向）

增加参数cumulative=True, orientation=‘horizontal’。
此外，因为图像变成了水平方向，所以也需要把x、y轴标签互换并稍作调整。
这里设置区间分布使用数值型的bins和range参数设定，范围为0-100，区间分割为10等份。

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] ='#cc00ff'
np.random.seed(30)
data = np.random.randint(0, 100, 100)
plt.hist(data, bins=10, range=(0, 100), facecolor='#ffff00', edgecolor='#FF0000', density=True, cumulative=True, orientation='horizontal')
plt.xlabel('样本累积频率')
plt.ylabel('X指标')
plt.title('X指标频数分布直方图')
plt.show()

图像效果如下：
        

---

本次分享就到这里，小啾感谢您的关注与支持！
🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ