中直方图的绘制与保存_Python可视化|matplotlib13-直方图（histogram）详解

python matplotlib.pyplot中 直方图（histogram）详解。
直方图（histogram）展示离散型数据分布情况，直观理解为将数据按照一定规律分区间，统计每个区间中落入的数据频数，绘制区间与频数的柱状图即为直方图。

欢迎随缘关注@pythonic生物人

---

1、绘图数据集准备

使用sklearn内置的鸢尾花iris数据集，数据集详细介绍见：Python可视化|matplotlib10-绘制散点图scatter

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from sklearn import datasets 
iris=datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'] )

选取pd_iris['sepal length(cm)']数据绘制直方图 ，查看数据基本情况：

pd_iris['sepal length(cm)'].head()#输出前五行看看是什么样纸
0    5.1
1    4.9
2    4.7
3    4.6
4    5.0
Name: sepal length(cm), dtype: float64

pd_iris['sepal length(cm)'].describe()#简单统计下数据
count    150.000000
mean       5.843333
std        0.828066
min        4.300000
25%        5.100000
50%        5.800000
75%        6.400000
max        7.900000
Name: sepal length(cm), dtype: float64

2、matplotlib.pyplot.hist直方图参数详解

修改对应参数，即可体验对应参数的功能；

大部分参数使用默认值即可。

import palettable
import random
plt.figure(dpi=150)
data=pd_iris['sepal length(cm)']
n,