復(fù)習(xí)回顧：

經(jīng)過前面對 matplotlib 模塊從底層架構(gòu)、基本繪制步驟等學(xué)習(xí)，我們已經(jīng)學(xué)習(xí)了折線圖、柱狀圖的繪制方法。

matplotlib 模塊基礎(chǔ)：對matplotlib 模塊常用方法進(jìn)行學(xué)習(xí)

matplotlib 模塊底層原理：學(xué)習(xí)matplotlib 模塊腳本層、美工層及后端層

matplotlib 繪制折線圖：總結(jié)折線圖相關(guān)屬性和方法

matplotlib 繪制柱狀圖：總結(jié)柱狀圖相關(guān)屬性和方法

在分析數(shù)據(jù)的時候，我們會根據(jù)數(shù)據(jù)的特點來選擇對應(yīng)圖表來展示，需要表示質(zhì)量這一概念，需要用直方圖。

1. 直方圖概述

1.1什么是直方圖？

• 直方圖是一種可視化表示數(shù)據(jù)在連續(xù)間隔或者特定時間段內(nèi)容的分布情況
• 直方圖又稱為質(zhì)量分布圖，屬于條行圖的一種
• 直方圖x軸表示數(shù)據(jù)類型，縱軸表示分布情況，每個數(shù)據(jù)寬度可以任意變化
  

1.2直方圖使用場景

• 直方圖用于概率分布，展示一組數(shù)據(jù)在指定范圍內(nèi)的出現(xiàn)概率
• 可以用于展示數(shù)據(jù)分布頻率情況
• 用于眾數(shù)、中位數(shù)的位置
• 關(guān)注數(shù)據(jù)存在缺口或者異常值
  

1.3直方圖繪制步驟

• 導(dǎo)入matplotlib.pyplot模塊
• 準(zhǔn)備數(shù)據(jù)，可以使用numpy/pandas整理數(shù)據(jù)
• 調(diào)用pyplot.hist()繪制直方圖
  

1.4案例展示

本次案例我們來分析公司員工的身高分布情況

案例數(shù)據(jù)準(zhǔn)備，使用numpy隨機(jī)生成200個升高數(shù)據(jù)

import numpy as np

x_value = np.random.randint(140,180,200)

繪制直方圖：

import matplotlib.pyplot as plt

plt.hist(x_value,bins=10)

plt.title("data analyze")
plt.xlabel("height")
plt.ylabel("rate")

plt.show()

2. 直方圖屬性

2.1設(shè)置顏色

• 設(shè)置長條形顏色關(guān)鍵字：facecolor
• 設(shè)置邊框的顏色關(guān)鍵字：edgecolor

顏色選擇值：

• 使用顏色的英語單詞如紅色"red",黃色"yellow"
• 使用顏色簡稱：紅色"r",藍(lán)色"b"
• 使用rgb:格式(r,g,b)，取值范圍：0～1
  

2.2設(shè)置長條形數(shù)目

• 關(guān)鍵字：bins
• 可選項，默認(rèn)為10
  

2.3設(shè)置透明度

• 關(guān)鍵字：alpha
• 默認(rèn)為0，取值范圍為0～1
  

2.4設(shè)置樣式

• 關(guān)鍵字：histtype
• 取值說

我們對第一節(jié)直方圖添加柱狀形不填充，邊框顏色為紅色

plt.hist(x_value,bins=10,edgecolor="r",histtype="step")

邊框設(shè)置為紅色，透明度為0.5

plt.hist(x_value,bins=10,edgecolor="r",histtype="bar",alpha=0.5)

3. 添加折線直方圖

在直方圖中，我們也可以加一個折線圖，輔助我們查看數(shù)據(jù)變化情況

• 首先通過pyplot.subplot()創(chuàng)建Axes對象
• 通過Axes對象調(diào)用hist()方法繪制直方圖，返回折線圖所需要的下x,y數(shù)據(jù)
• 然后Axes對象調(diào)用plot()繪制折線圖
• 我們對第一節(jié)代碼進(jìn)行改造一下

fig,ax = plt.subplots()

n,bins_num,pat = ax.hist(x_value,bins=10,alpha=0.75)

ax.plot(bins_num[:10],n,marker = 'o',color="yellowgreen",linestyle="--")

4. 堆疊直方圖

我們有時候會對吧同樣數(shù)據(jù)范圍情況下，對比兩組不同對象群體收集的數(shù)據(jù)差異

準(zhǔn)備兩組數(shù)據(jù)：

import numpy as np

x_value = np.random.randint(140,180,200)
x2_value = np.random.randint(140,180,200)

• 直方圖屬性data：以列表的形式傳入兩組數(shù)據(jù)
• 設(shè)置直方圖stacked:為True，允許數(shù)據(jù)覆蓋

plt.hist([x_value,x2_value],bins=10,stacked=True)

5. 不等距直方圖

我們上述繪制的直方圖都是等距的，我們可以指定一組數(shù)據(jù)傳入bins屬性

• bins 關(guān)鍵字：指定直方圖的柱狀形個數(shù)
• 更改上述的代碼后，看看效果吧

bin_num = [140,155,160,170,175,180]
plt.hist([x_value,x2_value],bins=bin_num,alpha=0.75,stacked=True)

6. 多類直方圖

我們在使用直方圖查查看數(shù)據(jù)的頻率時，有時候會查看多種類型數(shù)據(jù)出現(xiàn)的頻率。

這時候我們可以以列表的形式傳入多種數(shù)據(jù)給hist()方法的x數(shù)據(jù)

x_value = [np.random.randint(140,180,i) for i in [100,200,300]]

plt.hist(x_value,bins=10,edgecolor="r",histtype="bar",alpha=0.5,label=["A公司","B公司","C公司"])

總結(jié)：
我們對matplotlib模塊中詳細(xì)學(xué)習(xí)繪制各種直方圖標(biāo)相關(guān)屬性和方法。在需要查看數(shù)據(jù)分布頻率時，我們可以使用hist()方法繪制直方圖，同時也可以添加折線來輔助查看

到此這篇關(guān)于Python利用 matplotlib 繪制直方圖的文章就介紹到這了,更多相關(guān)Python matplotlib 模塊內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論