快捷導(dǎo)航

Python繪制直方圖的示例代碼

更新時(shí)間：2023年07月11日 08:59:33 作者：微小冷

本文主要介紹了如何使用Python繪制直方圖，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

初步

對(duì)于大量樣本來(lái)說(shuō)，如果想快速獲知其分布特征，最方便的可視化方案就是直方圖，即統(tǒng)計(jì)落入不同區(qū)間中的樣本個(gè)數(shù)。

以正態(tài)分布為例

import numpy as np
import matplotlib.pyplot as plt
xs = np.random.normal(0, 1, size=(5000))
fig = plt.figure()
for i,b in enumerate([10, 50, 100, 200],1):
    ax = fig.add_subplot(2,2,i)
    plt.hist(xs, bins=b)
plt.show()

其中bins參數(shù)用于調(diào)控區(qū)間個(gè)數(shù)，出圖結(jié)果如下

參數(shù)

直方圖函數(shù)的定義如下

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)

除了x和bins之外，其他參數(shù)含義為

range 繪圖區(qū)間，默認(rèn)將樣本所有范圍納入其中
density 為True時(shí)，縱坐標(biāo)單位是占比
weights 與x個(gè)數(shù)相同，表示每個(gè)值所占權(quán)重
cumulative 為True時(shí)，將采取累加模式
bottom y軸起點(diǎn)，有了這個(gè)，可以對(duì)直方圖進(jìn)行堆疊
histtype 繪圖類型
align 對(duì)其方式，可選left, mid, right三種，代表左中右
oritentation 繪制方向，可選vertical和horizontal兩種
rwitdth 數(shù)據(jù)條寬度
log 為True時(shí)，開(kāi)啟對(duì)數(shù)坐標(biāo)
color, label 顏色，標(biāo)簽
stacked

繪圖類型

histtype共有4個(gè)選項(xiàng)，分別是bar, barstacked, step以及stepfilled，其中barstacked表示堆疊，下面對(duì)另外三種參數(shù)進(jìn)行演示

types = ['bar', 'step', 'stepfilled']
fig = plt.figure()
for i,t in enumerate(types,1):
    ax = fig.add_subplot(1,3,i)
    plt.hist(xs, bins=50, histtype=t, rwidth=0.5)
plt.show()

效果如下

堆疊直方圖，就是把多個(gè)直方圖疊在一起

bins = [10, 30, 100]
ws = [1, 0.7, 0.5]
for b,w in zip(bins, ws):
    print(b,w)
    plt.hist(xs, bins=b, density=True, 
        histtype='barstacked', rwidth = w, alpha=w)
plt.show()

效果如下

多組數(shù)據(jù)直方圖對(duì)比

直方圖中設(shè)置了rwidth選項(xiàng)，這意味著可以通過(guò)合理安排數(shù)據(jù)條寬度，以實(shí)現(xiàn)多組數(shù)據(jù)直方圖在一個(gè)圖像中更加

N = 10000
labels = ["norm", "power", "poisson"]
data = np.array([
    np.random.normal(0, 1, size=N)**2,
    np.random.power(5, size=N),
    np.random.uniform(0, 1, size=N)
]).T
plt.hist(data, 50, density=True, range=(0,1), label=labels)
plt.legend()
plt.show()

其中，data為3組統(tǒng)計(jì)數(shù)據(jù)，hist函數(shù)會(huì)自行規(guī)劃畫(huà)布，效果如下