Pandas读取Excel绘制直方图（四十一）

直方图(Histogram)：

• 直方图是数值数据分布的精确图形表示，是一个连续变量（定量变量）的概率分布的估计，它是一种条形图。
• 为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。

1. 读取数据
波斯顿房价数据集

import pandas as pd
import numpy as np
df = pd.read_excel("./datas/boston-house-prices/housing.xlsx")
df.info()
df["MEDV"]

2. 使用matplotlib画直方图
matplotlib直方图文档：https://matplotlib.org/3.2.0/api/_as_gen/matplotlib.pyplot.hist.html

import matplotlib.pyplot as plt
%matplotlib inline

plt.figure(figsize=(12, 5))
plt.hist(df["MEDV"], bins=100)
plt.show()

3. 使用pyecharts画直方图
pyecharts直方图文档http://gallery.pyecharts.org/#/Bar/bar_histogram
numpy
直方图文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html

from pyecharts import options as opts
from pyecharts.charts import Bar
# 需要自己计算有多少个间隔、以及每个间隔有多少个值
hist,bin_edges =  np.histogram(df["MEDV"], bins=100)
# 这是每个间隔的分割点
bin_edges
# 这是间隔的计数
hist

对bin_edges的解释，为什么是101个？比hist计数多1个？
举例：如果bins是[1, 2, 3, 4]，那么会分成3个区间：[1, 2)、[2, 3)、[3, 4]；
其中bins的第一个值是数组的最小值，bins的最后一个元素是数组的最大值

# 注意观察，min是bins的第一个值，max是bins的最后一个元素
df["MEDV"].describe()

# 查看bins每一个值和前一个值的差值，可以看到这是等分的数据
np.diff(bin_edges)
# 这些间隔的数目，刚好等于计数hist的数目
len(np.diff(bin_edges))
# pyecharts的直方图使用bar实现
# 取bins[:-1]，意思是用每个区间的左边元素作为x轴的值
bar = (
    Bar()
    .add_xaxis([str(x) for x in bin_edges[:-1]])
    .add_yaxis("价格分布", [float(x) for x in hist], category_gap=0)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="波斯顿房价-价格分布-直方图", pos_left="center"),
        legend_opts=opts.LegendOpts(is_show=False)
    )
)
bar.render_notebook()