脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → matplotlib.pyplot.hist()绘制直方图

Python matplotlib.pyplot.hist()绘制直方图的方法实例

 更新时间：2022年06月30日 11:36:25   作者：小羊快学  
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,下面这篇文章主要给大家介绍了关于Python matplotlib.pyplot.hist()绘制直方图的相关资料,需要的朋友可以参考下

一、matplotlib.pyplot.hist()语法

hist(x, bins=None, range=None, density=False,weights=None, cumulative=False, 
bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None,
 log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
plt.hist(
    x,# 指定要绘制直方图的数据
    bins,# 设置长条形的数目
    range,# 指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围）
    density=True or False, # 如果"True"，将y轴转化为密度刻度 默认为None
    weights,# 该参数可为每一个数据点设置权重
    cumulative=True or False,# 是否需要计算累计频数或频率 默认值False
    bottom=0, # 可以为直方图的每个条形添加基准线，默认为0
    histtype={'bar', 'barstacked', 'step', 'stepfilled'} # 设置样式
               # bar柱状形数据并排，默认值。
               # barstacked在柱状形数据重叠并排（相同的在一起）
               # step柱状形颜色不填充 
               # stepfilled填充的线性
    align='mid' or 'left' or 'right', # 设置条形边界值的对其方式，默认为mid，除此还有'left'和'right'
    orientation={'vertical', 'horizontal'},# 设置直方图的摆放方向，默认为垂直方向vertical
    rwidth,# 设置直方图条形宽度的百分比
    log=True or False,# 是否需要对绘图数据进行log变换 默认值False
    color='r',# 设置直方图的填充色
    label, # 设置直方图的标签
    stacked=True or False, # 当有多个数据时，是否需要将直方图呈堆叠摆放，默认False水平摆放；
    facecolor,# 设置长条形颜色(和color效果一致，设置color就不用再设置facecolor)
    edgecolor,# 设置边框的颜色
    alpha # 设置透明度  
)
# 注意组距，得到满意的展示效果
# 注意y轴所代表的变量是频数还是频率

二、绘制直方图

①绘制简单直方图

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
# bins设置长条形的数目
plt.hist(data,bins=10)
 
plt.show()

②：各个参数绘制的直方图

（1）histtype参数（设置样式bar、barstacked、step、stepfilled）

1. bar：柱状形数据并排（因为bar是默认值，可以不写）

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10)
 
plt.show()

 2. barstacked：在柱状形数据重叠并排（相同的在一起）

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,histtype='barstacked')
 
plt.show()

 3. step：柱状形颜色不填充 

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,histtype='step')
 
plt.show()

 4. stepfilled：生成一个默认填充的线图

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,histtype='stepfilled')
 
plt.show()

（2）range参数（指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围））

不想显示数据全部范围，只想查看数据某一个范围内的数据。（例：下图数据范围为140~180之间，只想查看150~170之间的数据)

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,histtype='bar',range=(150,170))
 
plt.show()

（3）orientation参数 （设置直方图的摆放位置，vertical垂直方向 horizontal水平方向，默认值：vertical垂直方向）

垂直方向（默认垂直，可以不写）：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10)
 
plt.show()

 

horizontal水平方向：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal')
 
plt.show()

（4）density参数（bool值，True：将坐标轴转化为密度刻度，默认值：None）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,density=True)
 
plt.show()

 直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal',density=True)
 
plt.show()

（5）weights参数（为每个数据点设置权重）

  直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,weights=data)
 
plt.show()

  直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal',weights=data)
 
plt.show()

（6）cumulative参数（bool值，是否需要计算累计频数或频率，默认值：False）

频数：指事件发生的次数

频率：指次数占总次数n的比例

频率=频数/n

  直方图为垂直方向时：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,cumulative=True)
 
plt.show()

直方图为水平方向时： 

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal',cumulative=True)
 
plt.show()

（7）bottom参数（为直方图添加基准线）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,bottom=170)
 
plt.show()

 直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal',bottom=170)
 
plt.show()

（8）align参数（设置条形边界值的对其方式，mid、left、right，默认值：mid）

mid（默认值可以不写）：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10)
 
plt.show()

 left：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,align='left')
 
plt.show()

 right：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,align='right')
 
plt.show()

（9）rwidth参数（设置直方图条形宽度的百分比）

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,rwidth=0.5)
 
plt.show()

（10）log参数（bool值，对绘图数据进行log变换 默认值：False）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,log=True)
 
plt.show()

 直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np
 
data=np.random.randint(140,180,200)
 
plt.hist(data,bins=10,orientation='horizontal',log=True)
 
plt.show()

（11）stacked参数（bool值，当有多个数据时，是否需要将直方图呈堆叠摆放，默认值：False水平摆放）

stacked=False时：（水平摆放）

import matplotlib.pyplot as plt
import numpy as np
 
x=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)
 
plt.hist([x,y], bins=10)
 
plt.show()

 stacked=True时：（堆叠摆放）

import matplotlib.pyplot as plt
import numpy as np
 
x=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)
 
plt.hist([x,y], bins=10,stacked=True)
 
plt.show()

（12）直方图所有参数展示：

import matplotlib.pyplot as plt
import numpy as np
 
plt.rcParams['font.sans-serif']=['FangSong']
 
fig=plt.figure(figsize=(8,8))
data=np.random.randint(140,180,200)
 
# data数据
# bins设置长条形的个数
# histtype设置样式 barstacked：在柱状形数据重叠并排（相同的在一起）
# range显示范围
# cumulative累计频数
# align设置边界对齐值为中心对齐
# orientation设置摆放方向为horizontal水平方向
# rwidth设置长条形宽度的百分比为20
# color设置长条形的填充颜色为#FFB6C1
# label设置直方图的标签
# edgecolor设置长条形边框线为#FFD700
# alpha设置长条形的透明度为0.5
# density=True 长条形呈水平方向：density将x轴转换为密度刻度  长条形呈垂直方向：density将y轴转换为密度刻度
# weights=data为每个数据点设置权重
# bottom设置基准线为15000
# log=True是否对数据进行log转换
plt.hist(data,bins=10,histtype='barstacked',range=(140,170),cumulative=True,align='mid',orientation='horizontal',rwidth=20,color='#FFB6C1',
        label='数量',edgecolor='#FFD700',alpha=0.5,weights=data,bottom=10000,log=False)
 
plt.xticks(size=20) # x轴刻度值大小
plt.yticks(size=20) # y轴刻度值大小
 
plt.title('hist',size=30) # 设置直方图标签
plt.xlabel('x轴',size=15) # 设置x轴标签
plt.ylabel('y轴',size=20) # 设置y轴标签
 
plt.rcParams.update({'font.size':20})  # 修改图例字体大小
 
plt.legend()
plt.show()

 三、在直方图上画折线图

import matplotlib.pyplot as plt
import numpy as np
 
x=np.random.normal(100,15,10000)
y=np.random.normal(80,15,10000)
 
# density=True设置为密度刻度
n1, bins1, patches1 = plt.hist(x, bins=50,  density=True, color='#00B8B8', alpha=1)
n2, bins2, patches2 = plt.hist(y, bins=50,  density=True, color='r', alpha=0.2)
 
plt.plot(bins1[:-1],n1,':',lw=3)
plt.plot(bins2[:-1],n2,'--',lw=3)
 
plt.show()

总结

到此这篇关于Python matplotlib.pyplot.hist()绘制直方图的文章就介绍到这了,更多相关matplotlib.pyplot.hist()绘制直方图内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Java ExcutorService优雅关闭方式解析

    Java ExcutorService优雅关闭方式解析

    这篇文章主要介绍了Java ExcutorService优雅关闭方式解析,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,需要的朋友可以参考下
    2020-05-05
  • python常用模块详解

    python常用模块详解

    今天小编就为大家分享一篇关于举例讲解Python常用模块，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
    2021-10-10
  • python 高效去重复 支持GB级别大文件的示例代码

    python 高效去重复 支持GB级别大文件的示例代码

    今天小编就为大家分享一篇python 高效去重复 支持GB级别大文件的示例代码，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
    2018-11-11
  • numpy.random模块用法总结

    numpy.random模块用法总结

    这篇文章主要介绍了numpy.random模块用法总结，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
    2019-05-05
  • 一文带大家了解python中的换行以及转义

    一文带大家了解python中的换行以及转义

    这篇文章主要为大家详细介绍了python中的换行以及转义的相关知识,文中的示例代码讲解详细,对我们深入了解python有一定的帮助,需要的小伙伴可以了解下
    2023-11-11
  • Python读写docx文件的方法

    Python读写docx文件的方法

    今天小编就为大家分享一篇Python读写docx文件的方法，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
    2018-05-05
  • 关于django 1.10 CSRF验证失败的解决方法

    关于django 1.10 CSRF验证失败的解决方法

    今天小编就为大家分享一篇关于django 1.10 CSRF验证失败的解决方法，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
    2019-08-08
  • 在Python中实现替换字符串中的子串的示例

    在Python中实现替换字符串中的子串的示例

    今天小编就为大家分享一篇在Python中实现替换字符串中的子串的示例，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
    2018-10-10
  • 利用python绘制立体玫瑰花代码示例

    利用python绘制立体玫瑰花代码示例

    这篇文章主要给大家介绍了关于如何利用python绘制立体玫瑰花的相关资料,利用python绘制一朵玫瑰,快拿去送给你心爱的人吧!需要的朋友可以参考下
    2023-09-09
  • Pytorch.nn.conv2d 过程验证方式(单,多通道卷积过程)

    Pytorch.nn.conv2d 过程验证方式(单,多通道卷积过程)

    今天小编就为大家分享一篇Pytorch.nn.conv2d 过程验证方式(单,多通道卷积过程)，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
    2020-01-01

最新评论