python绘制分布直方图_Python-matplotlib 画直方图hist

本文通过实例解析了如何使用Python绘制直方图和累积分布函数(cdf),并介绍了它们在数据可视化中的区别。重点讲解了直方图用于展示连续数据分布,而CDF用于统计小于某个值的概率。代码演示了高斯分布的直方图和累积分布,适合初学者理解数据可视化基本概念。
摘要由CSDN通过智能技术生成

首先要理清楚一个概念,直方图与条形图。

直方图与条形图的区别:

条形图是用条形的长度表示各类别频数的多少,其宽度(表示类别)则是固定的;

直方图是用面积表示各组频数的多少,矩形的高度表示每一组的频数或频率,宽度则表示各组的组距,因此其高度与宽度均有意义。

由于分组数据具有连续性,直方图的各矩形通常是连续排列,而条形图则是分开排列。

条形图主要用于展示分类数据,而直方图则主要用于展示数据型数据。

示例代码:

[python] view plain copy

#概率分布直方图

#高斯分布

#均值为0

mean = 0

#标准差为1,反应数据集中还是分散的值

sigma = 1

x=mean+sigma*np.random.randn(10000)

fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))

#第二个参数是柱子宽一些还是窄一些,越大越窄越密

ax0.hist(x,40,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)

##pdf概率分布图,一万个数落在某个区间内的数有多少个

ax0.set_title('pdf')

ax1.hist(x,20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8)

#cdf累计概率函数,cumulative累计。比如需要统计小于5的数的概率

ax1.set_title("cdf")

fig.subplots_adjust(hspace=0.4)

plt.show()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值