Python matplotlib.pyplot.hist()绘制直方图的方法实例

目录

• 一、matplotlib.pyplot.hist()语法
• 二、绘制直方图
• ①绘制简单直方图
• ②：各个参数绘制的直方图
• （1）histtype参数（设置样式bar、barstacked、step、stepfilled）
• （2）range参数（指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围））
• （3）orientation参数 （设置直方图的摆放位置，vertical垂直方向 horizontal水平方向，默认值：vertical垂直方向）
• （4）density参数（bool值，True：将坐标轴转化为密度刻度，默认值：None）
• （5）weights参数（为每个数据点设置权重）
• （6）cumulative参数（bool值，是否需要计算累计频数或频率，默认值：False）
• （7）bottom参数（为直方图添加基准线）
• （8）align参数（设置条形边界值的对其方式，mid、left、right，默认值：mid）
• （9）rwidth参数（设置直方图条形宽度的百分比）
• （10）log参数（bool值，对绘图数据进行log变换 默认值：False）
• （11）stacked参数（bool值，当有多个数据时，是否需要将直方图呈堆叠摆放，默认值：False水平摆放）
• （12）直方图所有参数展示：
• 三、在直方图上画折线图
• 总结

一、matplotlib.pyplot.hist()语法

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)

plt.hist(
    x,# 指定要绘制直方图的数据
    bins,# 设置长条形的数目
    range,# 指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围）
    density=True or False, # 如果"True"，将y轴转化为密度刻度 默认为None
    weights,# 该参数可为每一个数据点设置权重
    cumulative=True or False,# 是否需要计算累计频数或频率 默认值False
    bottom=0, # 可以为直方图的每个条形添加基准线，默认为0
    histtype={'bar', 'barstacked', 'step', 'stepfilled'} # 设置样式
               # bar柱状形数据并排，默认值。
               # barstacked在柱状形数据重叠并排（相同的在一起）
               # step柱状形颜色不填充
               # stepfilled填充的线性
    align='mid' or 'left' or 'right', # 设置条形边界值的对其方式，默认为mid，除此还有'left'和'right'
    orientation={'vertical', 'horizontal'},# 设置直方图的摆放方向，默认为垂直方向vertical
    rwidth,# 设置直方图条形宽度的百分比
    log=True or False,# 是否需要对绘图数据进行log变换 默认值False
    color='r',# 设置直方图的填充色
    label, # 设置直方图的标签
    stacked=True or False, # 当有多个数据时，是否需要将直方图呈堆叠摆放，默认False水平摆放；
    facecolor,# 设置长条形颜色(和color效果一致，设置color就不用再设置facecolor)
    edgecolor,# 设置边框的颜色
    alpha # 设置透明度
)
# 注意组距，得到满意的展示效果
# 注意y轴所代表的变量是频数还是频率

二、绘制直方图

①绘制简单直方图

import matplotlib.pyplot as plt
import numpy as np

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

# bins设置长条形的数目
plt.hist(data,bins=10)

plt.show()

②：各个参数绘制的直方图

（1）histtype参数（设置样式bar、barstacked、step、stepfilled）

1. bar：柱状形数据并排（因为bar是默认值，可以不写）

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10)

plt.show()

 2. barstacked：在柱状形数据重叠并排（相同的在一起）

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,histtype='barstacked')

plt.show()

 3. step：柱状形颜色不填充 

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,histtype='step')

plt.show()

 4. stepfilled：生成一个默认填充的线图

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,histtype='stepfilled')

plt.show()

（2）range参数（指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围））

不想显示数据全部范围，只想查看数据某一个范围内的数据。（例：下图数据范围为140~180之间，只想查看150~170之间的数据)

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,histtype='bar',range=(150,170))

plt.show()

（3）orientation参数 （设置直方图的摆放位置，vertical垂直方向 horizontal水平方向，默认值：vertical垂直方向）

垂直方向（默认垂直，可以不写）：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10)

plt.show()

horizontal水平方向：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal')

plt.show()

（4）density参数（bool值，True：将坐标轴转化为密度刻度，默认值：None）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,density=True)

plt.show()

直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal',density=True)

plt.show()

（5）weights参数（为每个数据点设置权重）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,weights=data)

plt.show()

直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal',weights=data)

plt.show()

（6）cumulative参数（bool值，是否需要计算累计频数或频率，默认值：False）

频数：指事件发生的次数

频率：指次数占总次数n的比例

频率=频数/n

直方图为垂直方向时：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,cumulative=True)

plt.show()

直方图为水平方向时：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal',cumulative=True)

plt.show()

（7）bottom参数（为直方图添加基准线）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,bottom=170)

plt.show()

直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal',bottom=170)

plt.show()

（8）align参数（设置条形边界值的对其方式，mid、left、right，默认值：mid）

mid（默认值可以不写）：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10)

plt.show()

left：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,align='left')

plt.show()

right：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,align='right')

plt.show()

（9）rwidth参数（设置直方图条形宽度的百分比）

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,rwidth=0.5)

plt.show()

（10）log参数（bool值，对绘图数据进行log变换 默认值：False）

直方图为垂直方向时，观察y轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,log=True)

plt.show()

直方图为水平方向时，观察x轴：

import matplotlib.pyplot as plt
import numpy as np

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

plt.hist(data,bins=10,orientation='horizontal',log=True)

plt.show()

（11）stacked参数（bool值，当有多个数据时，是否需要将直方图呈堆叠摆放，默认值：False水平摆放）

stacked=False时：（水平摆放）

import matplotlib.pyplot as plt
import numpy as np

x=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)

plt.hist([x,y], bins=10)

plt.show()

stacked=True时：（堆叠摆放）

import matplotlib.pyplot as plt
import numpy as np

x=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)

plt.hist([x,y], bins=10,stacked=True)

plt.show()

（12）直方图所有参数展示：

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif']=['FangSong']

fig=plt.figure(figsize=(8,8))
data=np.random.randint(140,180,200)

# data数据
# bins设置长条形的个数
# histtype设置样式 barstacked：在柱状形数据重叠并排（相同的在一起）
# range显示范围
# cumulative累计频数
# align设置边界对齐值为中心对齐
# orientation设置摆放方向为horizontal水平方向
# rwidth设置长条形宽度的百分比为20
# color设置长条形的填充颜色为#FFB6C1
# label设置直方图的标签
# edgecolor设置长条形边框线为#FFD700
# alpha设置长条形的透明度为0.5
# density=True 长条形呈水平方向：density将x轴转换为密度刻度  长条形呈垂直方向：density将y轴转换为密度刻度
# weights=data为每个数据点设置权重
# bottom设置基准线为15000
# log=True是否对数据进行log转换
plt.hist(data,bins=10,histtype='barstacked',range=(140,170),cumulative=True,align='mid',orientation='horizontal',rwidth=20,color='#FFB6C1',
        label='数量',edgecolor='#FFD700',alpha=0.5,weights=data,bottom=10000,log=False)

plt.xticks(size=20) # x轴刻度值大小
plt.yticks(size=20) # y轴刻度值大小

plt.title('hist',size=30) # 设置直方图标签
plt.xlabel('x轴',size=15) # 设置x轴标签
plt.ylabel('y轴',size=20) # 设置y轴标签

plt.rcParams.update({'font.size':20})  # 修改图例字体大小

plt.legend()
plt.show()

三、在直方图上画折线图

import matplotlib.pyplot as plt
import numpy as np

x=np.random.normal(100,15,10000)
y=np.random.normal(80,15,10000)

# density=True设置为密度刻度
n1, bins1, patches1 = plt.hist(x, bins=50,  density=True, color='#00B8B8', alpha=1)
n2, bins2, patches2 = plt.hist(y, bins=50,  density=True, color='r', alpha=0.2)

plt.plot(bins1[:-1],n1,':',lw=3)
plt.plot(bins2[:-1],n2,'--',lw=3)

plt.show()

总结

到此这篇关于Python matplotlib.pyplot.hist()绘制直方图的文章就介绍到这了,更多相关matplotlib.pyplot.hist()绘制直方图内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！