使用matplotlib制作“直方图”：.hist(x,bins,range,label,histtype,density,rwidth,color,orientation,stacked)

有时我们想要了解一个包含许多样本的大型数据集，而不仅仅知道平均值，中位数或标准差的基本指标。为了更直观地了解数据集，我们可以使用直方图来显示所有值。

• 展示直方图Histograms，使用.hist()

matplotlib.pyplot.hist(
x, bins=None, range=None,
density=None, weights=None, cumulative=False,
bottom=None, histtype=‘bar’, align=‘mid’,
orientation=‘vertical’, rwidth=None, log=False,
color=None, label=None, stacked=False, normed=None,
hold=None, data=None, **kwargs)

参数说明：

（1）x : (n,) n维数组或者n维数组序列，多维数组长度不要求一致
（2）bins : 整数，序列，或者 ‘auto’, 可选

pyplot.hist(x, bins=5)：有参数bins,会将数据集按照bins的个数统计;没有bins参数时，默认将数据集分成10个bin展示

（3）rang=(x1,x2) : 可选bins的边界，或者选择统计数据集中数据的范围[x1,x2)，抑或理解成X轴展示范围
（4）align : 表示柱和刻度的对齐方式，有{‘left’, ‘mid’, ‘right’}, 可选，默认"mid"
（5）rwidth : bar的宽度
（6）color ：设置bar颜色
（7）orientation : bar方向，有{‘horizontal’, ‘vertical’}可选
（8）stacked : 水平重叠还是垂直重叠，默认“False”水平重叠
（9）label : 图例标签
（10）cumulative : 计算每一个集合的累加值，boolean类型，默认值为False

返回值：

（1）n : 数组或数组列表每一个bar区间的数量或者百分比
（2）bins : 数组,bar的范围和bins参数含义一样
（3）patches : 列表 或者列表的列表 图形对象

.hist方法的直方图画法，先查找数据集中的最小值和最大值，并在这些值之间创建bins个等间距的区间，然后统计每个区间中的数据数

import numpy as np  
import matplotlib.pyplot as plt
import random

# 设置图片大小的原因是默认大小有点看不清
plt.figure(figsize=(12,10))
data=[2,3,3, 2, 1, 4, 4, 4, 4 ,1, 4 ,1, 1 ,3, 3, 1, 4, 1, 4, 4, 7]

ax = plt.subplot(221)
n1,edgeBin1,patches1=plt.hist(data,bins=6,rwidth=0.5)
ax.set_title("bins=6,rwidth=0.3")
print(edgeBin1)			# bins的取值范围：[1. 2. 3. 4. 5. 6. 7.]（计算方式data元素中（最大值7-最小值1）／ bins=bins宽度即范围 ）
print(n1)				# data中各个元素在bins范围中的个数分别是：[6. 2. 4. 8. 0. 1.]

# 设置label还有color(非)
label = "Label"
colors = "rgmbc"
ax = plt.subplot(222)
n2,edgeBin2,patches2=plt.hist(data,bins=4,rwidth=0.8,label=label)
ax.set_title("bins=4,rwidth=0.8,label = Label")
random.seed()
for patch in patches2:
    patch.set_facecolor(random.choice(colors))
plt.legend()
print(edgeBin2)			# bins的取值范围：[1.  2.5 4.  5.5 7. ]：1-2.5／2.5-4/4-5.5/5.5=7 一共4个区间
print(n2)				# data中各个元素在bins范围中的个数分别是：[8. 4. 8. 1.]

ax = plt.subplot(223)
ax.set_title("bins=7,rwidth=0.3,log=True,cumulative=True")
n,edgeBin,patches = plt.hist(data,bins=7,rwidth=0.3,cumulative=True)
print(edgeBin)			# bins的取值范围：[1.  1.85714286 2.71428571 3.57142857 4.42857143 5.28571429 6.14285714 7.   ]使用（7-1）／7得到bins宽度
print(n)				#data中各个元素在bins范围中的累计个数结果：[ 6.  8. 12. 20. 20. 20. 21.]

bottom = [1, 1, 2, 3,4,5]
ax=plt.subplot(224)
plt.hist(data,bins=6,rwidth=0.5,bottom=bottom)
ax.set_title("bins=6,rwidth=0.5,bottom=bottom")

plt.show()

• 展示两个直方图在一个画面中

如果两组数据重合，就会没有办法观看，解决的办法有两种：

1. 添加alpha参数在.hist()方法中，取值在（0，1）之间

import matplotlib.pyplot as plt
import numpy as np

a = np.random.normal(64, 2, 10000)
b = np.random.normal(loc=70, scale=2, size=10000)

plt.hist(a, range=(55, 75), bins=20, alpha=0.5)
plt.hist(b, range=(55, 75), bins=20, alpha=0.5)
plt.show()

2. 只画出来直方图的形状，在.hist()方法中，添加参数histtype='step'；默认值为"bar"，除此之外还有{ ‘barstacked’, ‘step’, ‘stepfilled’}可选，其中“step”就是直方图形状

# 更改上面代码后
plt.hist(a, range=(55, 75), bins=20, histtype='step')
plt.hist(b, range=(55, 75), bins=20, histtype='step')

• 两组数据展示出来的直方图一大一小

我们面临的另一个问题是我们的直方图可能有不同数量的样本，使得一个比另一个大得多。结果是两个很难比较的直方图：

为了解决这个问题，我们可以使用标准化直方图，在.hist()方法中添加参数density=True；如果为真，则返回第一个值是每个区间的百分比，默认是个数

# 注意对比，和上图中的Y轴的刻度，density=True时，展示的是比例
import matplotlib.pyplot as plt
import numpy as np

a = np.random.normal(64, 2, 10000)
b = np.random.normal(loc=70, scale=2, size=100000)

plt.hist(a, range=(55, 75), bins=20, alpha=0.5, density=True)
plt.hist(b, range=(55, 75), bins=20, alpha=0.5, density=True)
plt.show()