Matplotlib绘制直方图

Matplotlib学习笔记003 绘制直方图

一、matplotlib.pyplot.hist()

直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。

使用matplotlib.pyplot.hist函数绘制直方图，函数具体如下：

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

函数官网地址点这里

主要参数说明

# x: 数组或者可以循环的序列。直方图将会从这组数据中进行分组。
# bins: 整数或者序列(数组/列表等)。如果bins为整数，代表的是要均分成多少组。如果是序列，那么就会按照序列中指定的值进行分组。比如bins=[1,2,3,4]，那么分组的时候会按照三个区间分成3组，分别是[1,2)/[2,3)/[3,4]。
# range: 元组或者None。bins是整数时，若range为元组且则指定bins的下限和上限范围，忽略上下异常值。若range为None，则指定范围为(x.min(), x.max())，如果bin是一个序列(已指定范围了)，那么range没有有没有设置没有任何影响。
# density: 默认是False，如果等于True，那么将会使用频率分布直方图。每个条形表示的不是个数，而是频率/组距（落在各组样本数据的个数称为频数，频数除以样本总个数为频率）。
# weights: 与x形状相同的权重数组。x中的每个值仅将其相关权重贡献给bins计数（而不是 1）。如果密度为True，则权重被归一化，因此密度在该范围内的积分保持为 1。
# cumulative: 如果这个和density都等于True，那么返回值的第一个参数会不断的累加，最终等于1。
# bottom: 每个组图形底部的位置。如果是标量，则每个箱的底部移动相同的量。如果是数组，则每个 bin 都会独立移动，并且底部的长度必须与组数bins的数量相匹配。如果没有，默认为 0。
# histtype: 要绘制的直方图类型。四种取值{'bar', 'barstacked', 'step', 'stepfilled'}，默认值：'bar'
# 四种取值的具体含义如下:
'bar' 是传统的条形直方图。如果给出多个数据，则条形图并排排列。
'barstacked' 是一种条形直方图，其中多个数据堆叠在一起。
'step' 生成默认未填充的线图。
'stepfilled' 生成一个默认填充的线图。
# align: 直方图条的水平对齐方式。三种取值{'left', 'mid', 'right'}，默认值：'mid'
# orientation: 垂直方向，两种取值{'vertical', 'horizontal'}, 默认值: 'vertical'
# rwidth : float,None,默认为None。表示条的相对宽度，作为 bin 宽度的一部分。如果 None，则自动计算宽度。若histtype为'step' 或 'stepfilled' 则忽略。
# log : 日志，Bool类型，默认为False。如果True，直方图轴将设置为对数刻度。
# color : 颜色、颜色序列或None。默认为None，使用标准线条颜色序列。
# label : 标签，str,None类型，默认为None.字符串或字符串序列以匹配多个数据集。条形图为每个数据集生成多个补丁，但只有第一个获得标签，可以使用图列legend()
# stacked : 堆叠，Bool类型，默认为False。若为True, 则多个数据相互堆叠;若为False时，histtype='bar'，则多个数据并排排列,histtype='step'则多个数据堆叠在一起。
# egdecolor：直方图边框颜色，

该函数有三个返回值，具体如下：

# 参数顺序（num,bins,patches)

# n：数组。每个区间内值出现的个数，如果density=True，那么这个将返回的是频率/组距。
# bins：数组。区间的值。
# patches：BarContainer或单个多边形的列表或此类对象的列表。

二、部分参数详解

1. bins

bins为整数或者序列(数组/列表等)。如果bins为整数，代表的是要均分成多少组。如果是序列，那么就会按照序列中指定的值进行分组。比如bins=[1,2,3,4]， 那么分组的时候会按照三个区间分成3组，分别是[1,2)/[2,3)/[3,4]。

bins为整数时

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

bins为序列时：
注意：如果x中的数不在指定的序列中，则是无效的。例如下面bins指定的区间最大值为7，则x列表中的8和9是无效数据。

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=[1,3,6,7],edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

2. range

range为元组或None，默认为None。bins是整数时，若range为元组则指定bins的下限和上限范围，忽略上下异常值，若range为None，则指定范围为(x.min(), x.max())。如果bins是一个序列(已指定范围了)，那么range的设置不起作用。

bins为整数，且range为None，均分区间bins的范围为 (x.min(), x.max())

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=None,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

x最小值为1，最大值的9.

bins为整数，且range为序列，则均分区间bins的范围为range指定的序列，如下：

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,7),edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

bins为序列，已经指定了范围，range指定的范围不起作用。

x = [1,4,2,6,3,7,2,8,5,2,9]
plt.hist(x,bins=[1,3,6,9],range=(1,7),edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

3. density

density 默认是False，如果等于True，那么将会使用频率分布直方图。每个条形表示的不是个数，而是频率/组距（落在各组样本数据的个数称为频数，频数/样本总个数*区间=频率），整个直方图面积为1。
density=False

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=False,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

density=True

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=True,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

可以算出整个条形图面积为1。

4. weights

weights是与x形状相同的权重数组。x中的每个值仅将其相关权重贡献给bins计数（而不是 1）。如果密度为True，则权重被归一化，因此密度在该范围内的积分保持为 1。
counts列表中的元素对应的是x列表中元素的权重，若权重为2则相当于两个数

x = [1,2,3,4,5,6,7,8,9]
counts = [1,1,1,2,2,2,3,3,2] 
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=False,weights=counts,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

#设置注释文本plt.annotate
for num,bin in zip(num,bins):
    plt.annotate(num,xy=(bin,num),xytext=(bin+1.25,num))

5. cumulative

cumulative 为bool或-1，默认为False。 如果为True，则计算直方图，其中每个箱子给出该箱子中的计数加上较小值的所有箱子。最后一个箱子给出了数据点的总数。如果density也为真，则对直方图进行归一化，使最后一个箱子等于1。如果累积数小于0（例如，-1），则累积方向相反。在这种情况下，如果density也为真，则对直方图进行归一化，使第一个箱子等于1。

cumulative=False：不累加

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=False,cumulative=False,edgecolor='w')
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

#设置注释文本plt.annotate
for num,bin in zip(num,bins):
    plt.annotate(num,xy=(bin,num),xytext=(bin+1.25,num))

cumulative=True：数值累加

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=False,cumulative=True,edgecolor='w') # cumulative=True 累积
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象
#设置注释文本plt.annotate
for num,bin in zip(num,bins):
    plt.annotate(num,xy=(bin,num),xytext=(bin+1.25,num))

density=True,cumulative=True：频率累加

x = [1,4,2,6,3,7,2,8,5,2,9]
num,bins,patches = plt.hist(x,bins=3,range=(1,9),density=True,cumulative=True,edgecolor='w')  # 累积后归一化
print("每个区间数据个数:",num) #每个区间内值出现的个数
print("="*75)
print("均分区间:",bins)
print("="*75)
print("对象:",patches)  # 每根条(直方图条)的对象

#设置注释文本plt.annotate
for num,bin in zip(num,bins):
    plt.annotate(num,xy=(bin,num),xytext=(bin+1.25