摘要

先介紹條形圖直方圖，然后用隨機(jī)數(shù)生成一系列數(shù)據(jù)，保存到列表中，最后統(tǒng)計(jì)出相關(guān)隨機(jī)數(shù)據(jù)的概率并展示

前述介紹了由點(diǎn)進(jìn)行劃線形成的拆線圖和散點(diǎn)形成的曲線圖，連點(diǎn)成線，主要用到了matplotlib中的plot()和scatter()這個(gè)函數(shù)，但在實(shí)際生活工作中，不僅有折線圖，還經(jīng)常會(huì)出現(xiàn)月份經(jīng)濟(jì)數(shù)據(jù)對(duì)比圖，身高統(tǒng)計(jì)圖等，制成圖表就很容易對(duì)比看出差異。

下面用matplotlib中bar()函數(shù)和hist()來實(shí)現(xiàn)條形圖和直方圖。

一、bar()函數(shù)

bar()函數(shù)的最主要的幾個(gè)參數(shù)如下：

bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

參數(shù)1：x : 標(biāo)量型，x軸上的坐標(biāo)。浮點(diǎn)數(shù)或類數(shù)組結(jié)構(gòu)。注意x可以為字符串?dāng)?shù)組

參數(shù)2：height：y軸上的坐標(biāo)。浮點(diǎn)數(shù)或類數(shù)組結(jié)構(gòu)

參數(shù)3：width：指定柱形圖的寬度。浮點(diǎn)數(shù)或類數(shù)組結(jié)構(gòu)。默認(rèn)值為0.8

參數(shù)4：bottom：標(biāo)量或標(biāo)量類數(shù)組型，y坐標(biāo)的起始高度

參數(shù)5：align：柱狀圖在x軸上的對(duì)齊方式，可選{‘center’, ‘edge’} center：中心對(duì)稱 edge：邊緣對(duì)稱

參數(shù)6：**kwargs：接收的關(guān)鍵字參數(shù)傳遞給關(guān)聯(lián)的Rectangle。 返回值：BarContainer實(shí)例，其patches屬性是柱體的列表

條形圖（柱狀圖）一個(gè)簡(jiǎn)單的示例，隨便設(shè)置12個(gè)月份，并給定某些數(shù)據(jù)，代碼如下：

plt.bar([1,2,3,4,5,6,7,8,9,10,11,12,13],[5,2,7,8,2,1,8,6,2,5,6,7,10], label="Test one", color='red') #x位置上數(shù)列[1,2,3,4,5,6,7,8,9,10,11,12,13]，表示為相對(duì)y軸，柱狀圖在X軸的位置，后面一列為對(duì)應(yīng)y軸的高度。
plt.legend() #運(yùn)行結(jié)果里圖例名稱顯示出來 
plt.xlabel('bar number') 
plt.ylabel('bar height') 
plt.title('TEST') 
plt.show()

第一列中的color=‘red’表示柱狀圖全部顯示為紅，為顯示區(qū)別，做以下修改：

import matplotlib.pyplot as plt  

plt.bar([1,3,5,7,9,11],[5,7,8,6,7,10], label="Test one", color='#202204')    
plt.bar([2,4,6,8,10,12],[8,6,2,5,6,7], label="Test two", color='g') # color也可是16進(jìn)制，如上顯示的  #202204
plt.legend()  #運(yùn)行結(jié)果里圖例名稱顯示出來
plt.xlabel('bar number') 
plt.ylabel('bar height')
plt.title('TEST')
plt.show()

具體顯示結(jié)果如下：

二，hist()函數(shù)

hist(x，bins=None，range=None，density=None，weights=None，cumulative=False，bottom=None，histtype=“bar”， align=“mid”，orientation=“vertical”，rwidth=None，log=False，color=None，label=None，stacked=False，normed=None， hold=None，data=None，**kwargs）

hist()函數(shù)的基礎(chǔ)參數(shù)如下：

• x ：表示輸入值，可以是單個(gè)數(shù)組，或者不需要相同長(zhǎng)度的數(shù)組序列。
• bins：表示繪制條柱的個(gè)數(shù)。若給定一個(gè)整數(shù)，則返回 “bins+1” 個(gè)條柱，默認(rèn)為10。
• range：bins的上下范圍（最大和最小值）。
• color：表示條柱的顏色，默認(rèn)為None。
• facecolor #直方圖顏色
• edgecolor #直方圖邊框顏色
• alpha # 透明度
• histtype #直方圖類型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’
• orientation # 水平或垂直方向
• rwidth #柱子與柱子之間的距離，默認(rèn)是0

下面通過一個(gè)例子來說明hist()函數(shù)的作用：

import matplotlib.pyplot as plt  

population_ages = [18,34,23,56,32,45,78,23,45,12,31,25,61,27,34,57,54,26,45,37,36,8,14,17,13,88,99,49,63,105,121,116] #設(shè)定一組年齡

bins = [0,10,20,30,40,50,60,80,90,100,130]  #年齡分段

plt.hist(population_ages, bins, histtype='bar', rwidth=0.8,color='#199209')

plt.xlabel('The Age Group')
plt.ylabel('The number')
plt.title('The Age Range')
plt.legend()
plt.show()

注意：bins[]中60，80和100,130中間缺少是故意為之，為了顯示區(qū)別

運(yùn)行結(jié)果如下：

很明顯，hist()函數(shù)會(huì)自動(dòng)根據(jù)參數(shù)bins中的區(qū)分將參數(shù)x中的數(shù)據(jù)自動(dòng)進(jìn)行統(tǒng)計(jì)。

搞事情，既然參數(shù)x(如例子中的population_ages)可能是數(shù)列，那能否用隨機(jī)函數(shù)自動(dòng)生成數(shù)組，然后在進(jìn)行統(tǒng)計(jì)呢？當(dāng)然可以。

三、數(shù)據(jù)統(tǒng)計(jì)

色子經(jīng)常用來娛樂（用作他途造成后果與我無關(guān)），它有6個(gè)面，分別點(diǎn)數(shù)為1，2，3，4，5，6，可利用隨機(jī)函數(shù)（上篇中的choice函數(shù)）來隨機(jī)產(chǎn)生，比如choice([1,2,3,4,5,6])，產(chǎn)生N次（比如20萬次）并將每次結(jié)果保存到列表中，最后統(tǒng)計(jì)出各點(diǎn)的總數(shù)或所點(diǎn)比例。

分析：

1）先建一個(gè)類，其功能就是運(yùn)行一次，就隨機(jī)選擇6個(gè)面（點(diǎn)數(shù)）

2）將色子實(shí)例化，并給定一個(gè)參數(shù)（運(yùn)行的次數(shù)），圖形化顯示出來。

class Sezi():
    def __init__(self,sides):#給自身定義一個(gè)面數(shù)，方便后面修改參數(shù)進(jìn)行其他操作
        self.sides = sides  #色子可以是6面，也可以是8面，10面，12面，需要給定 
    def roll(self):
        return choice([1,2,3,4,5,6])#每投一次，隨機(jī)選擇一個(gè)點(diǎn)數(shù)

testsezi = Sezi(6) #實(shí)例化，6個(gè)面
results = []  # 定義一個(gè)空的數(shù)列，用來保存每次投擲的點(diǎn)數(shù)
for roll_num in range(100): #循環(huán)，投100次
    result = testsezi.roll()   #將每次投擲結(jié)果保存到變量result中
    results.append(result)     #存入到數(shù)列results
print(results) #直接打印出來

運(yùn)行結(jié)果：

與此同時(shí)，為了后面方便，引入另一個(gè)隨機(jī)函數(shù)randint(x, y)，這個(gè)函數(shù)的作用是產(chǎn)生x-y之間的數(shù)字，比如randint(1,10)，就產(chǎn)生1到10之間的數(shù)字。

choice([1,2,3,4,5,6])可以修改為randint(1,self.sides)，這樣實(shí)例化后，需要輸入隨意一個(gè)面數(shù)，就會(huì)隨機(jī)產(chǎn)生對(duì)應(yīng)的數(shù)字。

上述還只是打印在交互欄，且類、實(shí)例還是在一個(gè)文件中，分成不同的文件，并數(shù)據(jù)統(tǒng)計(jì)用圖的形式顯示。

1.重新修改色子類

文件名sezi.py，里面代碼如下：

from random import *

class Sezi():
    def __init__(self,sides):#給自身定義一個(gè)面數(shù),面數(shù)對(duì)應(yīng)點(diǎn)數(shù)
        self.sides = sides  #色子可以是6面，也可以是8面，10面，12面，需要給定 
        self.side=0
        self.bins=[]
   
        while self.side < self.sides: #獲取面數(shù)，并得到一個(gè)面數(shù)的bins,可直接調(diào)用。
            self.side += 1 
            self.bins.append(self.side) 
            
    def roll(self):
        return randint(1,self.sides)#每投一次，隨機(jī)選擇一個(gè)點(diǎn)數(shù)

2.新建一個(gè)名稱sezigame.py的文件，代碼如下

import matplotlib.pyplot as plt
from sezi import * 

testsezi = Sezi(8) #實(shí)例化，8個(gè)點(diǎn)
results = []  # 定義一個(gè)空的數(shù)列，用來保存每次投擲的點(diǎn)數(shù)

for roll_num in range(50000): #循環(huán)，投50000次
    result = testsezi.roll()   #將每次投擲結(jié)果保存到變量result中
    results.append(result)     #存入到數(shù)列results

plt.hist(results, testsezi.bins, histtype='bar', rwidth=0.8,color='#199209')   #直接調(diào)用testsezi.bins

運(yùn)行結(jié)果：

如果有2個(gè)相同的色子呢？

同時(shí)擲兩個(gè)骰子，最小為2，最大為12，結(jié)果分布情況自然也就不同。

將名稱sezigame.py的文件修改，改動(dòng)后的代碼如下：

import matplotlib.pyplot as plt
from sezi import * 

sezi_1 = Sezi(6) #實(shí)例化，6個(gè)面
sezi_2 = Sezi(6)

results = []  # 定義一個(gè)空的數(shù)列，用來保存每次投擲的點(diǎn)數(shù)
for roll_num in range(50000):              #循環(huán)，投50000次
    result = sezi_1.roll()+sezi_2.roll()   #將兩次投擲結(jié)果保存到變量result中
    results.append(result)                 #存入到數(shù)列results

max_result = sezi_1.sides+sezi_2.sides #2個(gè)最大值為12，最小為2 
side = 0 
new_bins = []     
while side <= max_result: 
    side += 1 
    new_bins.append(side) 

plt.xlabel('The sides')
plt.ylabel('The numbers')
plt.title('The frequency')
plt.hist(results,new_bins, histtype='bar',color='#199209',rwidth=0.618)

運(yùn)行結(jié)果如下：

是不是有點(diǎn)正態(tài)分布的感覺了？

以上就是Python+matplotlib繪制條形圖和直方圖的詳細(xì)內(nèi)容，更多關(guān)于Python matplotlib條形圖 直方圖的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論