1.關于直方圖

直方圖 也稱 質量分布圖，雖然看起來像柱狀圖，

實際上區(qū)別又很大。直方圖通常橫軸表示數據類型，縱軸表示各數據類型的分布情況。

直方圖又可以分為頻數分布直方圖和頻率分布直方圖。其繪制方法并無多少差異，只是描述的事件有所不同。頻數分布直方圖描述的是某事件的數量，而頻率分布則描述的是其發(fā)生的頻率。

而關于頻率分布直方圖，又可以理解為是“密度圖”的一種。頻率分布直方圖 和 密度圖 都可以用來描述事件的概率分布，其中頻率分布直方圖描述的是離散型隨機變量的概率分布，而密度圖則描述的是連續(xù)型隨機變量的概率分布。

2.plt.hist()

繪制直方圖通過plt.hist()方法實現，其常用的參數有：

x 數據集

bins ------------- 統計數據的區(qū)間分布?？梢允且粋€元素為數值的列表，也可以是一個數值。是一個數值的時候可以配合range參數使用。

range ----------- 元組類型，顯示的區(qū)間。

當設置區(qū)間分布使用數值型的bins和range參數設定時：range確定一個范圍，傳入形式是一個元組（注意不是range范圍對象），左右端點值都可取。數值型的bins表示將該范圍分成的份數（等分）。

density --------- 布爾型，顯示頻率統計結果。默認為None（相當于False），設為False不顯示頻率統計結果；設為True則顯示頻率統計結果，即繪制出的圖像由頻數分布直方圖變?yōu)轭l率分布直方圖。

histtype -------- 可選參數，即直方圖的類型。默認為bar，即繪制出的“柱狀”條形。還可以設置為barstacked、step、stepfilled。

align -------------可選參數，控制柱狀圖的水平分布，設置值為left、mid 或 right，默認值為mid，也推薦使用mid。left和right會產生部分的空白區(qū)域。

log --------------- 布爾類型，默認為False，即y軸是否選擇指數刻度。

stacked --------- 布爾類型，默認為False，表示是否為堆積柱狀圖。

edgecolor------- 設定邊沿顏色

facecolor-------- 可以用來設定直方圖的顏色，也可以簡寫為color。

orientation-------直方圖的方向，默認為豎直方向上的（‘vertical’），設為’horizontal’則表示水平方向上的。

cumulative------默認為False，表示不累積。如果為True則設置累積分度直方圖。

3. 繪制一幅簡單的 頻數 分布直方圖

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'
# 設定隨機數種子為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指標')
plt.ylabel('樣本個數')
plt.title('X指標頻數分布直方圖')
plt.show()

4. 繪制一幅 頻率 分布直方圖

將density設置為True即可·。

此外我們再修改一些細節(jié)，將histtype參數設置為stepfilled（梯狀且填充）。

并把y軸的標簽由“樣本個數”改為“樣本頻率”。

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指標')
plt.ylabel('樣本頻率')
plt.title('X指標頻數分布直方圖')
plt.show()

圖像效果如下：

5. 累積分布直方圖（水平方向）

增加參數cumulative=True, orientation=‘horizontal’。

此外，因為圖像變成了水平方向，所以也需要把x、y軸標簽互換并稍作調整。

這里設置區(qū)間分布使用數值型的bins和range參數設定，范圍為0-100，區(qū)間分割為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('樣本累積頻率')
plt.ylabel('X指標')
plt.title('X指標頻數分布直方圖')
plt.show()

圖像效果如下：

到此這篇關于基于Python+Matplotlib實現直方圖的繪制的文章就介紹到這了,更多相關Python Matplotlib直方圖內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論