直方图绘制

Posted 2023-04-23

参考技术A 一、用途及参数介绍

绘制连续性数据，展示一组或多组数据的分布状况（统计），描述等距的数据数量。

plt.hist(data,bins,facecolor,edgecolor)

data  绘图用到的数据

bins  绘图柱状的宽度

facecolor  矩形的填充颜色

edgecolor  条形的边框颜色

二、绘制简易直方图

1、开启jupyter notebook的matplotlib支持

%matplotlib inline

2、导包

from matplotlib import pyplot as plt

from matplotlob imprort font_manager

3、自定义字体

myfont=font_manager.FontProperties('字体目录+位置')

4、准备数据

data=[]

5、准备画布

plt.figure(figsize=(20,8),dpi=80)

6、绘制柱形图

plt.hist(data)

7、显示图形

plt.show()

三、丰富、美化直方图

1、修改柱子的宽度（组距）

设置组距

distance=2

计算组数

group_num=int((max(data)-min(data))/distance)

绘制自定义组距直方图

plt.hist(data,bins=group_num)

2、修改x轴刻度的显示信息

plt.xticks(range(min(data),max(data)+1)[::2]）#[::2]为设置步长。

matplotlib绘制直方图之基本配置——万能模板案例

目录

直方图介绍

绘制直方图的参数（plt.hist（））

连接数据库进行直方图绘制案例

使用dataframe里面的plot函数进行绘制（万能模板）

绘制多个子图（多子图直方图案例模板）

概率分布直方图（统计图形）

直方图内显示折线图分布

堆叠面积直方图

在不同的子图中绘制各种类犯罪数据的数值分布

 其他案例

乘客年龄分布频数直方图

男女乘客直方图（二维数据）

 电影时长分布直方图

每文一语

---

直方图介绍

直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。

直方图是数值数据分布的精确图形表示。 这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。

为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。

直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个案例的比例，其高度等于1。

绘制直方图的参数（plt.hist（））

通常而言，绘制直方图有很多种方法，比如采用matplotlib里面的模块进行绘制，也可以是pandas里面的图形进行绘制，也可以使用Python里面其他的统计绘图模块进行绘制图形，总而言之，想要图形展示的美观，那么就需要自己配置，也就是说模板固然重要，但是如果不懂原理的进行搬运和借用，反而效果不是很好！

连接数据库进行直方图绘制案例

# -*- coding: utf-8 -*-

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #显示中文
plt.rcParams['axes.unicode_minus']=False       #正常显示负号

import pymysql


#连接MySQL数据库
v1 = []
v2 = []
db = pymysql.connect(host='127.0.0.1', port=3306, database='mydb',user='root',password='root')
cursor = db.cursor()

#读取订单表数据，统计每日利润额
sql_str = "SELECT order_date,ROUND(SUM(profit)/10000,2) FROM orders WHERE FY=2019 GROUP BY order_date"
cursor.execute(sql_str)
result = cursor.fetchall()
for res in result:
    v1.append(res[0])  # order_date
    v2.append(res[1])  # sum_profit_by_order_date 每日利润额

plt.figure(figsize=(10,5))         #设置图形大小
cs,bs,bars = plt.hist(v2, bins=20, density=False, facecolor="cyan", edgecolor="black", alpha=0.7)
width = bs[1]-bs[0]
for i,c in enumerate(cs):
    plt.text(bs[i]+width/3,c,round(c))

# 返回一个counts数组，一个bins数组和一个图形对象
# 显示横轴标签
plt.xlabel("区间",fontdict='family':'Fangsong','fontsize':15)
# 显示纵轴标签
plt.ylabel("频数",fontdict='family':'Fangsong','fontsize':15)
# 显示图标题
plt.title("利润额分布直方图",fontdict='family':'Fangsong','fontsize':20)
plt.show()

使用dataframe里面的plot函数进行绘制（万能模板）

一般而言，我们导入数据的时候，大概率都是基于表数据进行可视化的，很少使用那些自主独立的数据进行绘制，如果是那种数据，很多人都会去使用origin这个绘图软件了，程序绘图最大的好处就是不需要对数据结果进行输出，输入，这样在很大程度上减少了我们的时间，提高了我们的工作效率。

# 使用DataFrame的plot函数画图
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #显示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 设置全局字体为中文 楷体
plt.rcParams['axes.unicode_minus']=False       #正常显示负号
plt.figure(dpi=130)
datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()
data.plot(kind='hist',bins=20,figsize=(15,5),color='y',alpha=0.5,edgecolor='c',histtype='bar')


plt.xlabel("区间",fontdict='family':'Fangsong','fontsize':15)
plt.ylabel("频数",fontdict='family':'Fangsong','fontsize':15)
plt.title("利润额分布直方图",fontdict='family':'Fangsong','fontsize':20,y=1.03)

# 设置图形上的各类主题值
plt.suptitle('直方图案例',size=22,y=1.05)
plt.title("绘制日期：2022年   昵称：王小王-123", loc='right',size=12,y=1.03)
 
plt.title("主页：https://blog.csdn.net/weixin_47723732", loc='left',size=12,y=1.03)

plt.show()

绘制多个子图（多子图直方图案例模板）

plt.tight_layout() # 自动紧凑布局，避免遮挡

是很重要的一个参数，一般是在结尾出添加这个参数

import pandas as pd

datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()

fig = plt.figure(figsize=(10,5),dpi=130)  # 生成画布

# 生成子图1
ax1 = plt.subplot(121)  # 1行2列中的第1个
plt.title("CSDN博客专家", loc='left',size=12,y=1.03) #添加备注

# 生成子图2
ax2 = plt.subplot(122)  # 1行2列中的第2个

# 设置图形上的各类主题值
plt.title("王小王-123", loc='right',size=12,y=1.03)#添加备注


#df.plot使figure级别的绘图函数，默认会生成新的figure，可以通过ax参数指定绘图的坐标子图
data.plot(kind='hist',bins=20,color='c',alpha=0.5,edgecolor='c',histtype='bar',ax=ax1,figure=fig)  # 指定这个图画到ax1中
#plt.xlabel("区间",fontdict='family':'Fangsong','fontsize':15)
ax1.set_xlabel("区间",fontdict='family':'Fangsong','fontsize':15)
#plt.ylabel("频数",fontdict='family':'Fangsong','fontsize':15)
ax1.set_ylabel("频数",fontdict='family':'Fangsong','fontsize':15)
ax1.set_title("cyan")
#print(ax1.get_xticks())

data.plot(kind='hist',bins=20,color='y',alpha=0.5,edgecolor='y',histtype='bar',ax=ax2,figure=fig) # 指定这个图画到ax2中
# plt.xlabel = plt.gca().set_xlabel()  plt. 获取“当前”的坐标子图，需要小心执行的位置
plt.xlabel("区间",fontdict='family':'Fangsong','fontsize':15)
plt.ylabel("频数",fontdict='family':'Fangsong','fontsize':15)
plt.title("yellow")                                                        # subplot的标题

plt.suptitle("利润额分布直方图",fontdict='family':'Fangsong','size':22)  # figure的标题
plt.tight_layout() # 自动紧凑布局，避免遮挡
plt.show()

概率分布直方图（统计图形）

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

#概率分布直方图
#高斯分布
#均值为0
mean = 0
#标准差为1，反应数据集中还是分散的值
sigma = 1
x=mean+sigma*np.random.randn(10000)
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))
#第二个参数是柱子宽一些还是窄一些，越大越窄越密
ax0.hist(x,40,density=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)  # histtype返回一组bar的数组
##pdf概率分布图，一万个数落在某个区间内的数有多少个
ax0.set_title('pdf')
ax1.hist(x,20,density=1,histtype='stepfilled',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) # 返回的一条step线，cumulative=True数值的累积的
#cdf累计概率函数，cumulative累计。比如需要统计小于5的数的概率
ax1.set_title("cdf")
fig.subplots_adjust(hspace=0.4)
plt.show()

直方图内显示折线图分布

import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
mpl.rcParams['font.sans-serif']=['SimHei']     #显示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 设置全局字体为中文 楷体
plt.rcParams['axes.unicode_minus']=False       #正常显示负号
plt.figure(figsize=(17,8),dpi=120)

import numpy as np
from scipy.stats import norm
np.random.seed(10680801)
mu=100
sigma=15
x=mu+sigma*np.random.randn(500)
num_bins=60
fig,ax=plt.subplots()
#fig,ax=plt.subplots(ncols=2)
#ax1 = ax[0]
#ax2 = ax[1]
n,bins,patches=ax.hist(x,num_bins,density=True)
y=norm.pdf(bins,mu,sigma)
ax.plot(bins,y,'--')
ax.set_xlabel('IQ')
ax.set_ylabel('概率密度')
ax.set_title(r'智商分布情况直方图')
fig.tight_layout()

堆叠面积直方图

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
fig,ax=plt.subplots()

ax.hist(crime["robbery"],bins=12,histtype="bar",alpha=0.6,label="robbery",stacked=True)
ax.hist(crime["aggravated_assault"],bins=12,histtype="bar",alpha=0.6,label="aggravated_assault",stacked=True)
ax.legend()
ax.set_xticks(np.arange(0,721,60))
ax.set_xlim(0,720)
ax.set_yticks(np.arange(0,21,4))
plt.show()

在不同的子图中绘制各种类犯罪数据的数值分布

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")

crime = crime.query("state!='United States'").query("state!='District of Columbia'")

plt.figure(figsize=(10,5),dpi=120)
nrows=2
ncols=4
n = np.arange(nrows*ncols)+1
for i in n:
    ax = plt.subplot(nrows,ncols,i)
    ax.hist(crime.iloc[:,i])
    ax.set_title(crime.columns[i])

plt.suptitle("各种类犯罪数据的数值分布",y=1.02)
plt.tight_layout()

 其他案例

乘客年龄分布频数直方图

# 导入第三方库
import pandas as pd
import matplotlib.pyplot as plt

# 设置中文
plt.rcParams['font.sans-serif'] = ['SimHei']

# 创建图形
plt.figure(figsize=(20,8),dpi=80)

# 准备数据(读取Titanic数据集)
titanic = pd.read_csv(r'E:\\PythonData\\exercise_data\\train.csv')

# 检查年龄是否有缺失
any(titanic.Age.isnull())

# 删除含有缺失年龄的观察
titanic.dropna(subset=['Age'], inplace=True)

# 绘图：乘客年龄的频数直方图
plt.hist(titanic.Age, # 绘图数据
        bins = 20, # 指定直方图的条形数为20个
        color = 'steelblue', # 指定填充色
        edgecolor = 'k', # 设置直方图边界颜色
        label = '直方图'
        )# 为直方图呈现标签

# 刻度设置
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)

# 添加描述信息
plt.xlabel('年龄：岁',fontsize=20)
plt.ylabel('人数：个',fontsize=20)
plt.title('乘客年龄分布',fontsize=20)

# 显示图形
plt.show()

 

男女乘客直方图（二维数据）

 设置了组距和其他的参数

# 导入库
import matplotlib.pyplot as plt
import numpy as np

# 设置字体
plt.rcParams['font.sans-serif'] = ['SimHei']

# 创建图形
plt.figure(figsize=(20,8),dpi=80)

# 提取不同性别的年龄数据
age_female = titanic.Age[titanic.Sex == 'female']
age_male = titanic.Age[titanic.Sex == 'male']

# 设置直方图的组距
bins = np.arange(titanic.Age.min(), titanic.Age.max(), 2)

# 男性乘客年龄直方图
plt.hist(age_male, bins = bins, label = '男性',edgecolor = 'k', color = 'steelblue', alpha = 0.7)

# 女性乘客年龄直方图
plt.hist(age_female, bins = bins, label = '女性',edgecolor = 'k', alpha = 0.6,color='r')

# 调整刻度
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)

# 设置坐标轴标签和标题
plt.title('男女乘客年龄直方图',fontsize=20)
plt.xlabel('年龄',fontsize=20)
plt.ylabel('人数',fontsize=20)

# 去除图形顶部边界和右边界的刻度
plt.tick_params(top='off', right='off')

# 显示图例
plt.legend(loc='best',fontsize=20)

# 显示图形
plt.show()

 电影时长分布直方图

# 导入库
import matplotlib.pyplot as plt

# 设置字体
plt.rcParams['font.sans-serif'] = ['SimHei']

# 创建图形
plt.figure(figsize=(20,8),dpi=80)

# 准备数据
time=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,
   134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,
   137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,
   132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,
   123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111, 100,154,136,100,118,119,133,134,106,129,126,110,111,109,
   141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,
   117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146, 133,101,131,116,
   111, 84,137,115,122,106,144,109,123,116,111,111,133,150]
# 设置组距
bins=2

groups = int((max(time)-min(time))/bins)

# 绘制直方图
plt.hist(time,groups,color='b',
            edgecolor = 'k',
        density = True) # 指定直方从图的边界色)

# 调整刻度
plt.xticks(list(range(min(time),max(time)))[::2],fontsize=15)
plt.yticks(fontsize=15)

# 添加描述信息
plt.xlabel('电影时长：分钟',fontsize=20)
plt.ylabel('电影数量占比',fontsize=20)

# 增加网格
plt.grid(True,linestyle='--',alpha=1)

# 添加标题
plt.title('电影时长分布直方图',fontsize=20)

plt.show()

每文一语

坚持下去的动力来源于不断地发现新的事物！