python绘制简单直方图的方法
直方图，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条或线段表示数据分布情况。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。绘制连续性的数据，展示一组或多组数据的分布状况。
直方图的绘制和条形图有些相似，需要把plt.bar()修改成plt.hist()，更改图形的拟合方式，即可绘制直方图。例如你获取到了250部电影的数量，他们的时长都在80-140分钟，如何呈现电影的时长分布情况呢？
老规矩，上代码：
''' 组数=极差/组距 ''' from matplotlib import pyplot as plt from matplotlib import font_manager import random a = [random.randint(80,140) for i in range(250)] print(a) print(max(a)-min(a)) # 计算组数 d = 3 # 组距 num_bins = (max(a)-min(a))//d # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) plt.hist(a, num_bins) # 设置x轴刻度 plt.xticks(range(min(a), max(a)+d, d)) # 设置网格 plt.grid(alpha=0.4) plt.show()
运行结果如下图：
程序分析：通过随机数random.randint()生成250个80-140的随机整数，代表250部电影的时长。然后要把时间段分成组，设置组距d为3，那么(max-min)//d即为分成的组数，然后通过plt.hist()对组数和数据进行拟合。设置x刻度时，因为range含头不含尾，所以最后截止的位置要加一个组距d，才能显示完全。可以看出，这个数字直方图可以显示每个电影时长在每个时段占得数目。那么问题又来了，如果想要知道在每个时段占总时段的比例呢，也就是频率分布直方图？
so easy！ 只需要在plt.hist()里面设置参数density=True实现数量的频率化，其余不变。
代码如下：
''' 组数=极差/组距 ''' from matplotlib import pyplot as plt from matplotlib import font_manager import random a = [random.randint(80,140) for i in range(250)] print(a) print(max(a)-min(a)) # 计算组数 d = 3 # 组数 num_bins = (max(a)-min(a))//d # 设置图形大小 plt.figure(figsize=(20,8),dpi=80) plt.hist(a,num_bins,density=True) # 使用density实现频率化 # 设置x轴刻度 plt.xticks(range(min(a),max(a)+d,d)) # 设置网格 plt.grid(alpha=0.4) plt.show()
运行结果：
显而易见，每个时段的数目变成了总体的占比，也就是频率，很好的达到了想要的效果。
那如果要自己设置数据自己设置x轴的距离，对x轴的刻度不均匀划分呢？
上代码：
# coding=utf-8 from matplotlib import pyplot as plt from matplotlib import font_manager interval = [0,5,10,15,20,25,30,35,40,45,60,90,150] width = [5,5,5,5,5,5,5,5,5,15,30,60] quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] plt.figure(figsize=(20,8),dpi=80) plt.bar(range(len(quantity)),quantity,width=1) # 设置x轴刻度 _x = [i-0.5 for i in range(13)] plt.xticks(_x, interval) plt.grid(alpha=0.8) plt.show()
运行结果如下图：
可以看出来，很简单，只需要把x轴对应的数据设置好，把对应x轴的刻度设置好，进行数据匹配即可。一定要注意，分配的组数和数据个数匹配问题。
总结：这篇文章总的讲述了一下绘制频数直方图和频率直方图的绘制方法，通过图像进行比较，发现各个直方图的优缺点，以便在工程中进行运用。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
今天小编就为大家分享一篇numpy.ndarray 实现对特定行或列取值，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-12-12
这篇文章主要介绍了Python实现将n个点均匀地分布在球面上的方法,涉及Python绘图的技巧与相关数学函数的调用,具有一定参考借鉴价值,需要的朋友可以参考下2015-03-03
百度aip将图片或扫描件中的文字识别成可编辑的文本，本文主要介绍了python 百度aip实现文字识别，具有一定的参考价值，感兴趣的可以了解一下2021-08-08
本篇文章主要介绍Python 的迭代器与zip,可迭代对象的相关概念,有需要的小伙伴可以参考下,希望能够给你带来帮助2021-11-11
PyTorch-Forecasting一个新的时间序列预测库使用详解
这篇文章主要为大家介绍了PyTorch-Forecasting一个新的时间序列预测库示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-05-05
本文主要介绍了pycharm打包py项目为.exe可执行文件的两种方式，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-01-01
本篇文章主要介绍了CentOS7.3编译安装Python3.6.2的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-01-01
这篇文章主要介绍了python实现的MySQL增删改查操作,结合实例形式总结分析了Python基本的mysql增删改查及银行账号查询等相关操作实现技巧,需要的朋友可以参考下2018-12-12
Pandas中有一种特殊的数据类型叫做category.它表示的是一个类别,一般用在统计分类中,比如性别,血型,分类,级别等等.有点像java中的enum,今天给大家详细讲解一下category的用法,需要的朋友可以参考下2021-06-06
这篇文章主要给大家介绍了关于利用Python如何实现一个Git日志统计分析小工具的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧。2017-12-12
最新评论