【Seaborn】sns.histplot() 函数： 直方图绘制

sns.histplot() —— Seaborn 直方图绘制

seaborn.histplot() 是 seaborn 提供的直方图绘制函数，基于 matplotlib 进行封装，相比 plt.hist() 更美观，并提供更丰富的功能，如 KDE 曲线、自动调整 bin 宽度、统计标准化 等。

---

1. 语法

import seaborn as sns

sns.histplot(data, bins=10, kde=False, stat="count", color=None, element="bars", multiple="layer")

2. 参数说明

参数	说明
data	需要绘制直方图的数据（列表、数组、Series）
bins	直方图的分组数（默认自动选择）
kde	是否绘制核密度估计（KDE）曲线
stat	直方图的统计方式：count（计数）、density（概率密度）、percent（百分比）
color	直方图颜色
element	bars（柱状）、step（阶梯状）、poly（多边形填充）
multiple	layer（分层）、stack（堆叠）、fill（归一化堆叠）

---

3. 基本用法

3.1 简单直方图

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt

# 生成正态分布数据
data = np.random.randn(1000)

# 绘制直方图
sns.histplot(data, bins=30, color="blue", alpha=0.7)

plt.xlabel("Value")
plt.ylabel("Frequency")
plt.title("Histogram Example")
plt.show()

📌 说明

• bins=30：将数据分成 30 组。
• color="blue"：设置直方图颜色。
• alpha=0.7：透明度。
  

---

3.2 直方图 + KDE 曲线

可以使用 kde=True 在直方图上添加 核密度估计（KDE）曲线，用于更平滑地显示数据分布。

sns.histplot(data, bins=30, kde=True, color="purple")
plt.show()

---

3.3 归一化直方图

使用 stat="density" 显示概率密度，使直方图的面积总和为 1，适用于概率分布分析。

sns.histplot(data, bins=30, kde=True, stat="density", color="green")
plt.show()

stat 可选值：

• "count"：默认，显示计数（每个柱子的频率）。
• "density"：每个柱子的面积总和为 1。
• "percent"：显示百分比。
  

---

4. 多组数据对比

4.1 叠加直方图

如果有多个数据集，可以使用 hue 参数进行分类显示。

import pandas as pd

# 生成两组数据
data1 = np.random.randn(1000)
data2 = np.random.randn(1000) + 2  # 让数据偏移

# 创建 DataFrame
df = pd.DataFrame({"value": np.concatenate([data1, data2]),
                   "category": ["Group 1"] * 1000 + ["Group 2"] * 1000})

# 叠加直方图
sns.histplot(df, x="value", hue="category", bins=30, kde=True, element="step")
plt.show()

📌 说明

• hue="category"：按类别显示不同颜色。
• element="step"：使用阶梯状直方图，更清晰。
• kde=True：添加密度曲线。
  

---

4.2 堆叠直方图

使用 multiple="stack" 进行堆叠。

sns.histplot(df, x="value", hue="category", bins=30, multiple="stack")
plt.show()

multiple 可选值：

• "layer"：默认，重叠显示。
• "stack"：堆叠。
• "fill"：归一化堆叠（各柱子的高度总和为 1）。
  

---

5. sns.histplot() vs plt.hist()

功能	sns.histplot()	plt.hist()
默认风格	美观，默认带 KDE	传统 Matplotlib 风格
统计方式	count, density, percent	density=True/False
多数据支持	hue 分类，multiple 叠加	需要手动绘制
透明度控制	alpha	alpha
推荐使用	✅ 数据分析，数据分类可视化	✅ 基础绘图

---

6. 总结

• sns.histplot() 是 plt.hist() 的高级版本，默认更美观。
• bins 控制柱子数量，kde=True 添加密度曲线。
• stat 可选择 "count", "density", "percent" 进行不同统计方式。
• hue 可用于分组数据，multiple 设定柱子叠加方式。
• 推荐用于 数据分析、机器学习、统计建模 场景。