下一个→ ←上一页

如何在Python中绘制直方图?

直方图是什么?

直方图是对频率分布表的可视化描述，其中连续划分了分组。一系列矩形组成了面积图，其基础等于类边界和与相关类的频率成比例的区域之间的距离。由于这种表示中的地跨越了类边界之间的空间，所以每个矩形都是相邻的。矩形高度与相似组的可比频率呈负相关，与其他类别的频率密度呈负相关。

换句话说，直方图是由矩形组成的图形，其宽度等于类间距，其面积与变量的频率直接相关。

什么时候使用直方图?

直方图是在特定情况下使用的。如下:

数据必须是定量的。
为了检查数据分布的形式，我们使用直方图。
用于确定一个过程是否从一个时间段发展到下一个时间段。
用于评估当涉及两个或两个以上的手术时，结果是否不同。
用于确定指定的过程是否满足客户的需求。

类型的柱状图

根据数据的频率分布，直方图可以分为多种形式。分布有各种各样的分布，包括高斯分布、双峰分布、歪斜分布、梳状分布、边缘峰分布、多峰分布、狗粮分布等。直方图可以表示这些多种类型的分布。各种直方图类型有:

统一的柱状图:均匀分布表明群体太少。每一组包含相同数量的条目。它可能包括有很多峰的分布，所有的峰都有相同的高度。
对称的柱状图:钟形直方图是对称直方图的另一种名称。如果在直方图的中心向下画一条垂直线，则当相反的边形状和大小相同时，该直方图被认为是对称的。
双峰直方图:如果一个直方图包含两个峰，它就被归类为双峰。当一个数据集合包含对两种不同类型的人或合并组的观察，并且两个不同直方图的中心与两个数据集的方差足够远时，就存在双模态。
概率直方图:这个直方图以视觉图像的形式描述了不连续的概率分布。一个矩形代表x的每一个值。每个矩形的面积与对应值出现的可能性成正比。

使用Matplotlib绘制直方图

箱被定义为连续的、不重叠的变量范围。matplotlib.pyplot.hist()方法用于计算和生成变量x的直方图。创建完整范围的bin是创建直方图的第一步。在下一步中，将整个数字范围分配到第一步中创建的一系列间隔中，并计算每个间隔中的值。

让我们用一些任意值构造一个简单的直方图。使用下面的代码制作的简单直方图有一些随机值:

代码

            #导入所需的库import numpy as np from matplotlib import pyplot as plt #创建示例数据集array = np。array([23, 56, 87, 87, 98, 12, 76, 98, 34, 67, 23, 87, 56, 34, 26, 85, 47, 35, 86, 76, 45, 86, 34, 37]) #使用.hist()函数图创建一个直方图，axis = plt。subplot (figsize =(8,3))轴。hist(array, bins =[20, 40, 60, 80, 100]) #显示plot plot .show()
           

输出:

修改Matplotlib中的直方图

Matplotlib中有多种技术可以对直方图进行个性化设置。matplotlib.pyplot.hist()方法提供了许多可以用于自定义直方图的属性。hist()方法提供了一个patches对象，该对象提供了对生成对象的属性的可访问性，允许我们根据需要更改绘图。

代码

            #使用随机法线数据点创建法线直方图#导入所需库import numpy as np import matplotlib。#创建样本数据集np.random.seed(23685736) N_samples = 100000 no_bins = 25 #使用randn()方法创建随机正态分布x_axis = np.random.randn(N_samples) y_axis = .6 ** x_axis + x_axis * np.random.randn(100000) + 90 #使用上面的数据图创建直方图，axis = plt。subplot (figsize = (8,3)， tight_layout = True)轴。hist(x_axis, bins = no_bins) #显示plot plot .show()
           

输出:

上面生成的直方图使用下面的代码进行了修改，以获得更清晰的视图和更精确的读数。

代码

            #导入所需的库import numpy as np import matplotlib。Pyplot作为PLT从matplotlib。#删除轴的样条在['bottom'， 'top'， 'right'， 'left']: axis.spines[s].set_visible(False) #删除x和y刻度axis.xaxis.set_ticks_position('none') axis.yaxis.set_ticks_position('none') #在轴和标签axis.xaxis之间添加填充功能。Set_tick_params (pad = 6)set_tick_params(pad = 11) #添加x和y网格线轴。grid(visible = True, color = 'grey'， linestyle = '-. .'， linewidth = 0.6, alpha = 0.5) #添加一个Text作为水印图形。Text (1.0, 0.16， 'Javatpoint'， fontsize = 10, color ='green'， ha ='right'， alpha = 1.0) #创建具有上述修改的直方图N, bins, patch = axis。hist(x_axis, bins = no_bins) #设置直方图列的颜色frac = ((N**(1 / 5)) / N.max()) normal = colors.Normalize(frac.min()， frac.max()) for f, s in zip(frac, patch): color = plt.cm.magma(normal(f)) s.set_facecolor(color) #添加这些额外的功能到直方图plt.xlabel("X-axis") plt.xlabel(" Y-axis")title('Modified histogram') #显示plot plot . Show ()
           

输出: