直方图的绘制 基于python-matplotlib库
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
相关文章
- Python的可视化包 – Matplotlib 2D图表(点图和线图,.柱状或饼状类型的图),3D图表(曲面图,散点图和柱状图)
- Python脚本扫描给定网段的MAC地址表(scapy或 python-nmap)
- Python脚本写端口扫描器(socket,python-nmap)
- Python--Matplotlib库与数据可视化②--常见图形的绘制(柱状图,直方图,饼图,箱线图)
- python是否存在某个字符串 效率最高_Python中判断子串存在的性能比较及分析总结...
- Python基础之:Python中的流程控制
- python将图片转为base64编码
- 掌握Python语言能做什么?python对小白友好吗?
- 24岁非计算机专业工科妹子裸辞转行Python程序员,自学Python三个月,零基础如何系统学习python,从入门到精通?
- Python分享:python爬虫可以用来做什么?
- 【python实战】拒绝黄牛!我要用python原价冲周董演唱会~Python自动秒杀抢票脚本
- 《python 与数据挖掘 》一1.3 Python开发环境的搭建
- CSDN日报191118:Python 编程实用技巧;Go开发 之 Go的 9个 基本命令
- Python 相对路径和绝对路径--python实战(九)
- Python threading Thread多线程的使用方法
- 基于Python实现通过人口分布数据进行绘制Matplotlib散点图(Scatter)【100010097】
- 【转载】python的魔法方法———A Guide to Python's Magic Methods
- python 检测文件夹是否存在的不易发现错误
- 基于python+selenium的框架思路
- Python用python-docx读写word文档
- 【python 学习】——pycharm终端解释器和Python解释器配置
- python爬虫之selenium库,浏览器访问搜索页面并提取信息,及隐藏浏览器运行
- Python matplotlib subplot