numpy入门基础-可视化之直方图
演示:
1、numpy的直方图hist函数
直方图:
●由一系列高度不等的纵向条形组成,表示数据分布的情况。
●例如某年级同学的身高分布情况
●注意和条形图的区别
matplotlib.pyplot.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)
参数:(其他用到再百度吧)
x:输入值,它可以是单个数组或不需要相同长度的数组序列
bins:int或序列或STR,默认值:(默认值:)rcParams[“hist.bins”]10。
- 如果bin是一个整数,则它定义范围内等宽宽度的bin数
- 如果bin是序列。包括第一个bin的左边缘和最后一个bin的右边缘;在这种情况下,bins的间距可能不相等。除了最后一个(最右边)的bins外。如[1, 2, 3, 4],则bins为:[1, 2)[2, 3)[3, 4]
color:颜色。
normed:是否标准化,是:标准化,否:非标准化
2、示例
1)标准化输出直方图
import numpy as np #导入 numpyas
import matplotlib.pyplot as plt #导入 matplotlib.pyplot
mu =100 #均值
sigma=20 #标准差
x=mu+sigma*np.random.randn(2000)
plt.hist(x,bins=10,color='red',normed=True)
out:
(array([0.00073148, 0.00300291, 0.00920123, 0.01663151, 0.01847946,
0.01566904, 0.00846975, 0.00377289, 0.00076998, 0.00026949]),
array([ 41.60543497, 54.59282934, 67.5802237 , 80.56761807,
93.55501244, 106.54240681, 119.52980118, 132.51719554,
145.50458991, 158.49198428, 171.47937865]),
<a list of 10 Patch objects>