Matplotlib——直方图_hist()函数_histogram()函数

一个简单的直方图可以直观地展示数据的分布，包括数值分布的区间、密度和形状。

在实际的工作过程中，我们可能需要对数据进行数学建模和统计分析，这些数据处理技术往往基于数据符合的某些假设，而直方图是检查数据最好的选择之一。

下面通过 NumPy 模块提供的随机数据生成函数，产生符合正态分布的随机数据，并以它为样例绘制直方图。

import numpy as np
import matplotlib.pyplot as pltrandn_data = np.random.randn(1000)plt.hist(randn_data)plt.show()

这里用到了hist()函数。

plt.hist(x, bins=10, range=None, normed=False,weights=None, cumulative=False, bottom=None,histtype='bar', align='mid', orientation='vertical',rwidth=None, log=False, cokor=None,label=None, satacked=False)

“●”的打法：在英文输入法下长按alt然后输入 41457 41457 41457松开alt就有了

● x ：指定要绘制直方图的数据。
● bins ：指定直方图条形的个数。
● range ：指定直方图数据的上下边界，默认包含绘图数据的最大值和最小值。
● density ：是否将直方图的频数转换成频率。
● weights ：为每一个数据点设置权重。
● cumulative ：是否需要计算累计频数或频率。
● bottom ：为直方图的每个条形添加基准线，默认为0。
● histtype ：指定直方图的类型，默认为 bar，此外还有’barstacked’、‘step’、‘stepfilled’。
● align ：设置条形边界值的对齐方式，默认为mid，此外还有 ‘left’ 和 ‘right’。
● orientation ：设置直方图的放方向，默认为垂直方向。
● rwidth ：设置直方图条形宽度的百分比。
● log ：是否需要对绘图数据进行 log 变换。
● color ：设置直方图的填充色。
● label ：设置直方图的标签，可通过 legend 展示其图例。
● stacked ：当有多个数据时，是否需要将直方图呈堆叠放，默认水平放。

下面尝试一些案例

plt.hist(randn_data,bins=30,density=True,histtype='step',color='steelblue')

如果要比较多个数据的分布，可以使用选项histtype=‘stepfilled’，并设置一定的透明度。

import numpy as np
import matplotlib.pyplot as pltrandn_data = np.random.randn(1000)_ = plt.hist(randn_data, bins=30, density=True, histtype='step', color='steelblue')x1 = np.random.normal(0, 0.4, 1000)
x2 = np.random.normal(-3, 1, 1000)
x3 = np.random.normal(2, 2, 1000)kwargs = dict(histtype='stepfilled', alpha=0.5, density=True, bins=50)_ = plt.hist(x1, **kwargs)
#"**"意思为设置默认参数
_ = plt.hist(x2, **kwargs)
_ = plt.hist(x3, **kwargs)plt.show()

有时我们不仅想通过直方图直观地看到数据，而且想获取不同条形个数区间的频数/频率。NumPy提供的histogram()函数可以满足这个需求。

下面从randn_data中提取设置10个条形时的各自的频数。

import numpy as np
import matplotlib.pyplot as pltrandn_data = np.random.randn(1000)counts, bin_edges = np.histogram(randn_data, bins=10)print(counts)

输出：

[  9  31  73 153 235 205 166  87  33   8]Process finished with exit code 0

设置density=True可以获取相应的频率。

density,bin_edges=np.histogram(randn_data,bins=10,density=True)print(density)

输出：

[0.01329965 0.04137668 0.12265231 0.27190391 0.38421204 0.322147020.21870532 0.07832015 0.0192106  0.00591095]Process finished with exit code 0

如果使用的是二维数据，Matplotlib同样提供了hist2d()函数用于查看数据的分布。一维数据中直方图将数据切分到不同的区间中，而二维直方图在两个维度进行切分，因此会得到一个一个的小矩形。

下面演示二维数据绘图

import numpy as np
import matplotlib.pyplot as pltmean = [0, 0]  # 均值
cov = [[1, 1], [1, 2]]  # 协方差矩阵
x, y = np.random.multivariate_normal(mean, cov, 10000).T# 绘制图形
plt.hist2d(x, y, bins=30, cmap='Blues')
cb = plt.colorbar()
cb.set_label(u'计数')plt.show()

Matplotlib——直方图_hist()函数_histogram()函数_二维数据相关推荐

【Python】函数图像绘制：二维图像、三维图像、散点图、心形图
[Python]函数图像绘制:二维图像.三维图像.散点图.心形图所有需要用的包二维图像三维图像散点图绘制心形图绘制所有需要用的包 from mpl_toolkits.mplot3d imp ...
iterp2函数--------二维数据内插值
[语法说明] 1.zi=interp1(x,y,z,xi,yi):返回矩阵zi,其元素包含对应于参量xi和yi的元素.用户可以输入行向量和列向量xi和yi,此时,输出向量zi与矩阵meshgrid(x ...
算法013：二维数组中的查找-在一个 n * m 的二维数组中，每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断中是否存在
题目:在一个 n * m 的二维数组中,每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序.请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整数.示例: 现有 ...
MATLAB用fwind2函数设计近似圆对称二维带通滤波器
%用fwind2函数设计近似圆对称二维带通滤波器 %通带频率为[0.1 0.5] %期望带通频率响应创建矩阵Hd %用freqspace函数创建频率范围向量f1和f2. [f1,f2] = freqs ...
python二维图颜色函数_Python scipy的二维图像卷积运算与图像模糊处理操作示例
本文实例讲述了Python scipy的二维图像卷积运算与图像模糊处理操作.分享给大家供大家参考,具体如下: 二维图像卷积运算一代码 import numpy as np from scipy i ...
剑指offer_第1题_二维数组中的查找
题目描述在一个二维数组中(每个一维数组的长度相同) 每一行都按照从左到右递增的顺序排序每一列都按照从上到下递增的顺序排序. 请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整 ...
【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片
端到端机器学习导航: [机器学习]python借助pandas加载并显示csv数据文件,并绘制直方图 [机器学习]python使用matplotlib进行二维数据绘图并保存为png图片 [机器学习]p ...
如何将多个一维列表转化为二维列表_数据分析2_如何处理一维、二维数据
吞一块大饼,还不如切成小块吃得香常见的数据集,要么是数列,要么是表格: 因此,数据分析最首要的是,处理一维.二维数据. 主要知识点可参考如图. 如需要,可点击以下百度网盘链接下载数据分析基础知识图P ...
C# 传递数组参数_一维数组_二维数组
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.T ...

Matplotlib——直方图_hist()函数_histogram()函数_二维数据

Matplotlib——直方图_hist()函数_histogram()函数_二维数据相关推荐

最新文章

热门文章