数据界的搞笑担当？Matplotlib直方图绘制大揭秘，让你的数据也笑出腹肌！

1. 直方图介绍

• 直方图（Histogram），又称质量分布图，它是柱形图的一种，由一些列高度不等的纵向线段来表示数据分布的情况。直方图的横轴表示数据类型，纵轴表示分布情况。
• 直方图用于概率分布，它显示了一组数值序列在给定的数值范围内出现的概率或次数。

# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 如果浏览器不显示图片，就需要加上这句话
%matplotlib inline

# 让图片中可以显示中文
plt.rcParams['font.sans-serif'] = "SimHei"
# 让图片中可以显示负号
plt.rcParams["axes.unicode_minus"] = False

# 支持svg矢量图
%config Inlinebackend.figure_format = "svg"

2. 绘制直方图

x = np.random.randint(0, 10, 100)
x

array([3, 1, 6, 8, 7, 5, 6, 7, 7, 0, 1, 4, 9, 5, 5, 5, 3, 2, 1, 4, 0, 8,
       5, 3, 0, 9, 6, 1, 4, 6, 6, 0, 7, 7, 3, 9, 1, 1, 9, 7, 1, 1, 3, 1,
       5, 7, 7, 0, 6, 3, 3, 0, 4, 8, 1, 2, 8, 9, 4, 6, 8, 8, 6, 5, 7, 6,
       4, 8, 4, 2, 1, 8, 8, 0, 0, 5, 7, 7, 6, 3, 7, 8, 0, 6, 4, 8, 0, 4,
       7, 9, 4, 0, 1, 0, 0, 7, 1, 2, 7, 3])

# 统计每个数出现的次数
pd.Series(x).value_counts()

7    15
1    13
0    13
6    11
8    11
4    10
3     9
5     8
9     6
2     4
Name: count, dtype: int64

# 直方图
plt.hist(x)

# 设置x轴的刻度
plt.xticks(range(10))

plt.show()

# bins：设置组数
plt.hist(x, bins=5)

# 设置x轴的刻度
plt.xticks(range(10))

plt.show()

# bins：自定义分组区间（左闭右开）
plt.hist(x, bins=[0, 2, 6, 9, 10])

# 设置x轴的刻度
plt.xticks(range(10))

plt.show()

3. Pandas获取Excel数据

df = pd.read_excel("06_hist.xlsx", sheet_name="hist")
df

	学号	分数
0	A0001	76
1	A0002	77
2	A0003	78
3	A0004	79
4	A0005	80
...	...	...
95	A0096	83
96	A0097	84
97	A0098	85
98	A0099	99
99	A0100	100

100 rows × 2 columns

x = df["分数"]

df.shape

(100, 2)

x.min(), x.max()

(76, 100)

# 统计每个数出现的次数
pd.Series(x).value_counts()

分数
84     9
85     9
82     9
83     9
80     7
81     7
89     4
87     4
86     4
88     4
99     3
92     3
91     3
90     3
100    3
93     2
94     2
76     2
98     2
97     2
96     2
77     2
79     2
78     2
95     1
Name: count, dtype: int64

# bins：自定义分组区间
# facecolor：设置柱背景色
# alpha：设置柱透明度
# edgecolor：设置柱边框颜色
plt.hist(x, bins=range(60, 111, 10), facecolor="b", alpha=0.5, edgecolor="k")
plt.show()

• 呈现概率分布

# density：呈现概率分布
plt.hist(x, bins=range(60, 111, 10), facecolor="b", alpha=0.5, edgecolor="k", density=True)
plt.show()