直方图的绘制 基于python-matplotlib库

Posted 侯小啾

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了直方图的绘制 基于python-matplotlib库相关的知识,希望对你有一定的参考价值。

文章目录


      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

以上是关于直方图的绘制 基于python-matplotlib库的主要内容,如果未能解决你的问题,请参考以下文章

直方图的绘制 基于python-matplotlib库

R语言使用car包的scatterplotMatrix函数绘制散点图矩阵并添加线性和loess拟合线在主对角线上放置箱图密度或直方图在图像边缘添加轴须图rug可以基于分组变量绘制散点图矩阵

如何并排绘制 2 个直方图?

如何在 MATLAB 中为基于内容的图像检索绘制 Precision-Recall 图?

图像识别基于直方图实现人脸识别matlab源码

根据日期绘制数据集中的条目数