直方圖，又稱質(zhì)量分布圖，用于表示數(shù)據(jù)的分布情況，是一種常見的統(tǒng)計(jì)圖表。

一般用橫軸表示數(shù)據(jù)區(qū)間，縱軸表示分布情況，柱子越高，則落在該區(qū)間的數(shù)量越大。

構(gòu)建直方圖時(shí)，首先首先就是對數(shù)據(jù)劃分區(qū)間，通俗的說即是劃定有幾根柱子（比如，1980年~2020年的數(shù)據(jù)，每5年劃分一個(gè)區(qū)間的話，共8個(gè)區(qū)間）。

接著，對落在每個(gè)區(qū)間的數(shù)值進(jìn)行統(tǒng)計(jì)計(jì)算， 最后，繪制矩形，高度由每個(gè)區(qū)間的統(tǒng)計(jì)結(jié)果決定。

直方圖與柱狀圖看似相像，實(shí)則完全不同。

前者反映數(shù)據(jù)分布情況，后者則不具備此功能，只能對數(shù)值進(jìn)行比較。

也就是說，柱狀圖是離散的因此柱子間有空隙；但直方圖的數(shù)據(jù)是連續(xù)的數(shù)值變量，因此柱子間是沒有空隙的。

1. 主要元素

直方圖的主要元素包括：

• 橫軸：表示數(shù)據(jù)的取值范圍或分組區(qū)間。
• 縱軸：表示該區(qū)間內(nèi)數(shù)據(jù)的頻率或數(shù)量。
• 柱狀條高度：表示每個(gè)區(qū)間內(nèi)數(shù)據(jù)的頻率或數(shù)量，柱狀條的高度代表該區(qū)間內(nèi)數(shù)據(jù)的數(shù)量多少。
• 柱狀條面積：表示不同區(qū)間內(nèi)數(shù)據(jù)的總和，有時(shí)候面積是無意義的，只看高度。

2. 適用的場景

直方圖適用于以下分析場景：

• 數(shù)據(jù)分布分析：直方圖可以幫助我們了解數(shù)據(jù)的分布情況，包括數(shù)據(jù)的中心趨勢、離散程度和偏斜程度等。通過觀察直方圖的形狀，我們可以判斷數(shù)據(jù)是正態(tài)分布、偏態(tài)分布還是有其他特殊的分布形式。
• 異常檢測：直方圖可以幫助我們識別出數(shù)據(jù)中的異常情況。通過觀察直方圖中的離群點(diǎn)或異常值，我們可以發(fā)現(xiàn)數(shù)據(jù)中的異常情況，從而進(jìn)行數(shù)據(jù)清洗和異常檢測。
• 數(shù)據(jù)預(yù)處理：直方圖可以指導(dǎo)我們選擇合適的數(shù)據(jù)預(yù)處理方法。通過觀察直方圖，我們可以了解數(shù)據(jù)的分布范圍和形態(tài)，從而決定是否需要對數(shù)據(jù)進(jìn)行歸一化、標(biāo)準(zhǔn)化或?qū)?shù)變換等預(yù)處理操作。
• 數(shù)據(jù)比較：直方圖可以幫助我們比較不同數(shù)據(jù)集之間的差異。通過繪制多個(gè)直方圖并進(jìn)行對比，我們可以觀察到不同數(shù)據(jù)集之間的分布差異，從而進(jìn)行數(shù)據(jù)分析和解釋。

3. 不適用的場景

直方圖可能不適用于以下分析場景：

• 時(shí)間序列分析：直方圖通常用于表示數(shù)據(jù)的分布情況，而對于時(shí)間序列數(shù)據(jù)，直方圖無法展示數(shù)據(jù)隨時(shí)間變化的趨勢和模式。
• 數(shù)據(jù)關(guān)聯(lián)分析：直方圖無法直接展示數(shù)據(jù)之間的相關(guān)性或關(guān)聯(lián)性。
• 多維數(shù)據(jù)分析：直方圖主要適用于一維數(shù)據(jù)的分析，無法直接展示多維數(shù)據(jù)的分布情況。
• 數(shù)據(jù)模型擬合：直方圖可以展示數(shù)據(jù)的分布情況，但無法直接擬合數(shù)據(jù)的概率分布或模型。
• 數(shù)據(jù)聚類分析：直方圖無法直接展示數(shù)據(jù)的聚類情況，無法將數(shù)據(jù)點(diǎn)分組或分類。

4. 分析實(shí)戰(zhàn)

本次準(zhǔn)備用直方圖統(tǒng)計(jì)下某個(gè)年度我們進(jìn)出口總額的分布情況。

4.1. 數(shù)據(jù)來源

這次選用國家統(tǒng)計(jì)局公開的對外經(jīng)濟(jì)貿(mào)易數(shù)據(jù)：databook.top/nation/A06

fp = "d:/share/A06050101.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

數(shù)據(jù)中有很多年份的數(shù)據(jù)為0，也就是有很多的缺失值。

所以，只選取了2021年與亞洲各國的進(jìn)出口總額數(shù)據(jù)來分析，

其中有2個(gè)數(shù)據(jù)在分析繪圖前需要清理，一個(gè)是中國同亞洲其他國家(地區(qū))進(jìn)出口總額(萬美元)，與其他值差別很大，所以清理；另一個(gè)是中國同亞洲進(jìn)出口總額(萬美元)，這是個(gè)匯總數(shù)據(jù)，也清理了。

data = df[(df["sj"] == 2021) & 
        (df["zb"] != "A060501011E") & 
        (df["zb"] != "A0605010101")].copy()
#原始數(shù)值太大，單位換成（億美元）
data["value"] = data["value"] / 10000
data.head()

一共有48條數(shù)據(jù)，這是前5條。

4.3. 分析結(jié)果可視化

繪制直方圖比較簡單，核心是兩個(gè)參數(shù)：

• **x **參數(shù)：一個(gè)列表，也就是這次示例中就是各個(gè)亞洲國家的進(jìn)出口總額
• **bins **參數(shù)：設(shè)置數(shù)據(jù)分成幾組，直方圖會統(tǒng)計(jì)每個(gè)分組中的數(shù)據(jù)個(gè)數(shù)

plt.hist(data["value"].tolist(), bins=10)
plt.title("中國與亞洲各國進(jìn)出口總額(億美元) 分布")
plt.show()

上面繪圖時(shí)，分了10個(gè)組。（可以試試調(diào)整分組個(gè)數(shù)，看看不同的圖形效果）

從圖中可以看出，2021年，亞洲各國與中國的進(jìn)出口總額在 0~300（億美元）左右的國家最多，有30多個(gè)；

還有2,3個(gè)國家與中國的進(jìn)出口總額甚至超過了3500億美元。

以上就是Matplotlib實(shí)戰(zhàn)之直方圖繪制詳解的詳細(xì)內(nèi)容，更多關(guān)于Matplotlib直方圖的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論