matplotlib——直方图

matplotlib——直方图

实验目的

了解hist函数的每个参数的含义

掌握使用matplotlib画直方图的方法

实验原理

直方图

函数原型：matplotlib.pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=’bar’, align=’mid’, orientation=’vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

1. x : (n,) array or sequence of (n,) arrays(指定每个bin(箱子)分布的数据,对应x轴)
2. bins : integer or array_like, optional,这个参数指定bin(箱子)的个数,也就是总共有几条条状图，默认为10；
3. range : tuple or None, optional(设置显示的范围,范围之外的将被舍弃)
4. normed :boolean,用于对数据进行正则化，当该参数的值为 Ture 时，图中显示的数据将会是正态正则化之后的结果
5. weights : (n, ) array_like or None, optional(?)
6. cumulative : boolean, optional就是每一列都把之前的加起来
7. bottom : array_like, scalar, or None 条形图y坐标即每一个块的底部高度
8. histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}, optional(选择展示bar的形状,默认为bar)
9. align : {‘left’, ‘mid’, ‘right’}, optional(对齐方式)
10. orientation : {‘horizontal’, ‘vertical’}, optional指的方向，分为水平与垂直两个方向。
11. log : boolean, optional(log刻度)
12. color : color or array_like of colors or None, optional(颜色设置)
13. label : string or None, optional给图加刻度标签
14. stacked : boolean, optional 作用就是当多个输入的时候，要不要把它们叠加起来

实验环境

Python 3.6.1

PyCharm

实验内容

使用matplotlib.pyplot中的hist函数绘制直方图。

实验步骤

1.打开Pycharm，选择Create New Project，

创建名为matplotlib6的项目。

2.打开matplotlib6项目，右键选择New=>Python File，

创建名为hist的Python文件。

3.打开hist.py文件，编写代码，用于绘制直方图。

导入包matplotlib的pyplot模块，用别名plt表示，导入包numpy，并用别名np表示。

1. import numpy as np
2. import matplotlib.pyplot as plt

4.创建一张图

1. fig=plt.figure(1)

5.创建一个子图

1. ax1=fig.add_subplot(111)

6.使用numpy包中的array函数绘制绘图所需的数据。

1. np.random.seed(19680801)
2. mu, sigma = 100, 15
3. x = mu + sigma * np.random.randn(10000)

7.通过hist函数来绘制直方图的主体，并传入对数据进行正则化normed=1，条数bins=50，颜色facecolor=‘g’，透明度alpha=0.75等参数。

1. n,bins,patches=ax1.hist(x,bins=50,normed=1,facecolor=‘g’,alpha=0.75)

8.添加一条最完美的mu=100，sigma=15正态曲线。

1. y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
2. np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
3. ax1.plot(bins, y, ‘–’)

9.绘制x，y坐标轴标签、直方图内容标签，以及图形标题。

1. ax1.set_xlabel(‘Smarts’)
2. ax1.set_ylabel(‘Probability’)
3. ax1.set_title(‘Histogram of IQ’)
4. plt.text(60,0.025,r’$\mu =100,\sigma =15$’)

10.使用axis函数调整坐标范围，使用grid函数添加网格。

1. ax1.axis([40,160,0,0.03])
2. ax1.grid(True)
3. plt.show()

11.完整代码：

1. import numpy as np
2. import matplotlib.pyplot as plt
3. fig=plt.figure(1)
4. ax1=fig.add_subplot(111)
5. np.random.seed(19680801)
6. mu, sigma = 100, 15
7. x = mu + sigma * np.random.randn(10000)
8. n,bins,patches=ax1.hist(x,bins=50,normed=1,facecolor=‘g’,alpha=0.75)
9. y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
10. np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
11. ax1.plot(bins, y, ‘–’)
12. ax1.set_xlabel(‘Smarts’)
13. ax1.set_ylabel(‘Probability’)
14. ax1.set_title(‘Histogram of IQ’)
15. plt.text(60,0.025,r’$\mu =100,\sigma =15$’)
16. ax1.axis([40,160,0,0.03])
17. ax1.grid(True)
18. plt.show()

12.代码编写完毕，在hist.py文件内，点击右键=》Run ‘hist’，执行hist.py文件。

13.在屏幕上打印出下面的图。