python 多组直方图 画图_5种方法教你用Python玩转histogram直方图

直方图是一个可以快速展示数据概率分布的工具，直观易于理解，并深受数据爱好者的喜爱。大家平时可能见到最多就是matplotlib，seaborn等高级封装的库包，类似以下这样的绘图。

本篇博主将要总结一下使用Python绘制直方图的所有方法，大致可分为三大类(详细划分是五类，参照文末总结)：纯Python实现直方图，不使用任何第三方库

使用Numpy来创建直方图总结数据

使用matplotlib，pandas，seaborn绘制直方图

下面，我们来逐一介绍每种方法的来龙去脉。

纯Python实现histogram

当准备用纯Python来绘制直方图的时候，最简单的想法就是将每个值出现的次数以报告形式展示。这种情况下，使用字典来完成这个任务是非常合适的，我们看看下面代码是如何实现的。>>> a = (0, 1, 1, 1, 2, 3, 7, 7, 23)

>>> def count_elements(seq) -> dict:

...     """Tally elements from `seq`."""

...     hist = {}

...     for i in seq:

...         hist[i] = hist.get(i, 0) + 1

...     return hist

>>> counted = count_elements(a)

>>> counted

{0: 1, 1: 3, 2: 1, 3: 1, 7: 2, 23: 1}

我们看到，count_elements()返回了一个字典，字典里出现的键为目标列表里面的所有唯一数值，而值为所有数值出现的频率次数。hist[i] = hist.get(i, 0) + 1实现了每个数值次数的累积，每次加一。

实际上，这个功能可以用一个Python的标准库collection.Counter类来完成，它兼容Pyhont 字典并覆盖了字典的.update()方法。

>>> from collections import Counter

>>> recounted = Counter(a)

>>> recounted

Counter({0: 1, 1: 3, 3: 1, 2: 1, 7: 2, 23: 1})

可以看到这个方法和前面我们自己实现的方法结果是一样的，我们也可以通过collection.Counter来检验两种方法得到的结果是否相等。>>> recounted.items() == counted.items()

True

我们利用上面的函数重新再造一个轮子ASCII_histogram，并最终通过Python的输出格式format来实现直方图的展示，代码如下：def ascii_histogram(seq) -> None:

"""A horizontal frequency-table/histogram plot."""

counted = count_elements(seq)

for k in sorted(counted):

print('{0:5d} {1}'.format(k, '+' * counted[k]))

这个函数按照数值大小顺序进行绘图，数值出现次数用(+)符号表示。在字典上调用sorted()将会返回一个按键顺序排列的列表，然后就可以获取相应的次数counted[k]。>>> import random

>>> random.seed(1)

>>> vals = [1, 3, 4, 6, 8, 9, 10]

>>> # `vals` 里面的数字将会出现5到15次

>>> freq = (random.randint(5, 15) for _ in vals)

>>> data = []

>>> for f, v in zip(freq, vals):

...     data.extend([v] * f)

>>> ascii_histogram(data)

1 +++++++

3 ++++++++