数据挖掘笔记之数据可视化（直方图）

最新推荐文章于 2022-12-05 15:24:39 发布

菀青

最新推荐文章于 2022-12-05 15:24:39 发布

阅读量2k

点赞数

分类专栏：数据可视化文章标签： matplotlib pandas 直方图

本文链接：https://blog.csdn.net/qq_32733847/article/details/97614654

版权

本文详细探讨了数据可视化中的直方图，包括matplotlib库中直方图的各种参数设置，如bins、normed、cumulative等。同时介绍了如何结合核密度图，利用Pandas和seaborn库进行直方图与核密度图的绘制，包括kde、rug和fit等方法，帮助理解数据分布特征。

摘要由CSDN通过智能技术生成

直方图

matplotlib

plt.hist(x,bins,range,normed,weight,cumulative,bottom,histtype,align,
		orientation,rwidth,log,color,label,stacked)

bins：条形个数
range：上下边界
normed：频数转为频率
cumulative：计数累计
bottom：基准线
histtype：bar，barstacked，step，stepfilled
align：边界值对齐方式，mid，left，right
orientation：摆放方向
rwidth：条形宽度
stacked：堆叠

直方图加核密度图

Pandas

ti.dropna(subset=['Age'],inplace=True)
any(ti.Age.isnull())

ti.Age.plot(kind='hist',bins=20,color='red',edgecolor='black',normed=True,
		label='直方图')
ti.Age.plot(kind='kde',color='red',label='核密度')
plt.show()