numpy中min与max
![](https://i-blog.csdnimg.cn/blog_migrate/865df7ac329c3bf76a4364fd6abac20f.png)
![](https://i-blog.csdnimg.cn/blog_migrate/bf8f5fae84f6425a366faecc69d28906.png)
也就是说numpy.min与numpy.amin是等价函数
对numpy.max与numpy.amax同理
numpy中数据舍入操作
![](https://i-blog.csdnimg.cn/blog_migrate/8c43f2bf822fe0015f666be8f5066831.png)
![](https://i-blog.csdnimg.cn/blog_migrate/991d34be19b469bbbb835295816db109.png)
![](https://i-blog.csdnimg.cn/blog_migrate/40ef56c65b92b3b536f944c6150079ba.png)
![](https://i-blog.csdnimg.cn/blog_migrate/fd3287a56ca4c9eef70dc8148bd325b3.png)
numpy中查看数据直方图分布
![](https://i-blog.csdnimg.cn/blog_migrate/82ff22f2c4e0a24c54f909d3e59700d8.png)
# 指定统计区间 #
a = np.random.rand(100)
hist, bin_edges = np.histogram(a, bins=5)
# 指定统计区间 #
a = np.random.rand(100)
hist, bin_edges = np.histogram(a, bins=5, range=(0, 1))
Matplotlib基于Numpy的histogram进行了多样化的封装并提供了更加完善的可视化功能
#####################################################################
# matplotlib绘图 #
# matplotlib.axes.Axes.hist() 方法的接口
n, bins, patches = plt.hist(x=a, bins='auto', color='#0504aa', alpha=0.7, rwidth=0.85)
plt.show()
pandas的Series也提供了hist绘图
#####################################################################
# pd.Series绘图 #
a_ss = pd.Series(a.ravel())
a_ss.plot.hist(grid=True, bins=20, rwidth=0.9, color='#607c8e')
plt.show()