matplotlib.pyplot.hist()绘制直方图
目录
一、matplotlib.pyplot.hist()语法
二、绘制直方图
①绘制简单直方图
②：各个参数绘制的直方图
（1）histtype参数（设置样式bar、barstacked、step、stepfilled）
（2）range参数（指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围））
（3）orientation参数 （设置直方图的摆放位置，vertical垂直方向 horizontal水平方向，默认值：vertical垂直方向）
（4）density参数（bool值，True：将坐标轴转化为密度刻度，默认值：None）
（5）weights参数（为每个数据点设置权重）
（6）cumulative参数（bool值，是否需要计算累计频数或频率，默认值：False）
（7）bottom参数（为直方图添加基准线）
（8）align参数（设置条形边界值的对其方式，mid、left、right，默认值：mid）
（9）rwidth参数（设置直方图条形宽度的百分比）
（10）log参数（bool值，对绘图数据进行log变换 默认值：False）
（11）stacked参数（bool值，当有多个数据时，是否需要将直方图呈堆叠摆放，默认值：False水平摆放）
（12）直方图所有参数展示
三、在直方图上画折线图
一、matplotlib.pyplot.hist()语法
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)plt.hist(x,# 指定要绘制直方图的数据bins,# 设置长条形的数目range,# 指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围）density=True or False, # 如果"True"，将y轴转化为密度刻度 默认为Noneweights,# 该参数可为每一个数据点设置权重cumulative=True or False,# 是否需要计算累计频数或频率 默认值Falsebottom=0, # 可以为直方图的每个条形添加基准线，默认为0histtype={'bar', 'barstacked', 'step', 'stepfilled'} # 设置样式# bar柱状形数据并排，默认值。# barstacked在柱状形数据重叠并排（相同的在一起）# step柱状形颜色不填充 # stepfilled填充的线性align='mid' or 'left' or 'right', # 设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’orientation={'vertical', 'horizontal'},# 设置直方图的摆放方向，默认为垂直方向verticalrwidth,# 设置直方图条形宽度的百分比log=True or False,# 是否需要对绘图数据进行log变换 默认值Falsecolor='r',# 设置直方图的填充色label, # 设置直方图的标签stacked=True or False, # 当有多个数据时，是否需要将直方图呈堆叠摆放，默认False水平摆放；facecolor,# 设置长条形颜色(和color效果一致，设置color就不用再设置facecolor)edgecolor,# 设置边框的颜色alpha # 设置透明度
)
# 注意组距，得到满意的展示效果
# 注意y轴所代表的变量是频数还是频率二、绘制直方图
①绘制简单直方图
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)# bins设置长条形的数目
plt.hist(data,bins=10)plt.show()
②：各个参数绘制的直方图
（1）histtype参数（设置样式bar、barstacked、step、stepfilled）
1. bar：柱状形数据并排（因为bar是默认值，可以不写）
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10)plt.show() 2. barstacked：在柱状形数据重叠并排（相同的在一起）
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,histtype='barstacked')plt.show()
3. step：柱状形颜色不填充
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,histtype='step')plt.show()
4. stepfilled：生成一个默认填充的线图
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,histtype='stepfilled')plt.show()
（2）range参数（指定直方图数据的上下界，默认包含绘图数据的最大值和最小值（范围））
不想显示数据全部范围，只想查看数据某一个范围内的数据。（例：下图数据范围为140~180之间，只想查看150~170之间的数据)
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,histtype='bar',range=(150,170))plt.show()
（3）orientation参数 （设置直方图的摆放位置，vertical垂直方向 horizontal水平方向，默认值：vertical垂直方向）
垂直方向（默认垂直，可以不写）：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10)plt.show()
horizontal水平方向：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal')plt.show()
（4）density参数（bool值，True：将坐标轴转化为密度刻度，默认值：None）
直方图为垂直方向时，观察y轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,density=True)plt.show()
直方图为水平方向时，观察x轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal',density=True)plt.show()
（5）weights参数（为每个数据点设置权重）
直方图为垂直方向时，观察y轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,weights=data)plt.show()
直方图为水平方向时，观察x轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal',weights=data)plt.show()
（6）cumulative参数（bool值，是否需要计算累计频数或频率，默认值：False）
频数：指事件发生的次数
频率：指次数占总次数n的比例
频率=频数/n
直方图为垂直方向时：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,cumulative=True)plt.show()
直方图为水平方向时：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal',cumulative=True)plt.show()
（7）bottom参数（为直方图添加基准线）
直方图为垂直方向时，观察y轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,bottom=170)plt.show()
直方图为水平方向时，观察x轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal',bottom=170)plt.show()
（8）align参数（设置条形边界值的对其方式，mid、left、right，默认值：mid）
mid（默认值可以不写）：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10)plt.show()
left：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,align='left')plt.show()
right：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,align='right')plt.show()
（9）rwidth参数（设置直方图条形宽度的百分比）
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,rwidth=0.5)plt.show()
（10）log参数（bool值，对绘图数据进行log变换 默认值：False）
直方图为垂直方向时，观察y轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,log=True)plt.show()
直方图为水平方向时，观察x轴：
import matplotlib.pyplot as plt
import numpy as npdata=np.random.randint(140,180,200)plt.hist(data,bins=10,orientation='horizontal',log=True)plt.show()
（11）stacked参数（bool值，当有多个数据时，是否需要将直方图呈堆叠摆放，默认值：False水平摆放）
stacked=False时：（水平摆放）
import matplotlib.pyplot as plt
import numpy as npx=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)plt.hist([x,y], bins=10)plt.show()
stacked=True时：（堆叠摆放）
import matplotlib.pyplot as plt
import numpy as npx=np.random.randint(140,180,200)
y=np.random.randint(140,180,200)plt.hist([x,y], bins=10,stacked=True)plt.show()
（12）直方图所有参数展示：
import matplotlib.pyplot as plt
import numpy as npplt.rcParams['font.sans-serif']=['FangSong']fig=plt.figure(figsize=(8,8))
data=np.random.randint(140,180,200)# data数据
# bins设置长条形的个数
# histtype设置样式 barstacked：在柱状形数据重叠并排（相同的在一起）
# range显示范围
# cumulative累计频数
# align设置边界对齐值为中心对齐
# orientation设置摆放方向为horizontal水平方向
# rwidth设置长条形宽度的百分比为20
# color设置长条形的填充颜色为#FFB6C1
# label设置直方图的标签
# edgecolor设置长条形边框线为#FFD700
# alpha设置长条形的透明度为0.5
# density=True 长条形呈水平方向：density将x轴转换为密度刻度 长条形呈垂直方向：density将y轴转换为密度刻度
# weights=data为每个数据点设置权重
# bottom设置基准线为15000
# log=True是否对数据进行log转换
plt.hist(data,bins=10,histtype='barstacked',range=(140,170),cumulative=True,align='mid',orientation='horizontal',rwidth=20,color='#FFB6C1',label='数量',edgecolor='#FFD700',alpha=0.5,weights=data,bottom=10000,log=False)plt.xticks(size=20) # x轴刻度值大小
plt.yticks(size=20) # y轴刻度值大小plt.title('hist',size=30) # 设置直方图标签
plt.xlabel('x轴',size=15) # 设置x轴标签
plt.ylabel('y轴',size=20) # 设置y轴标签plt.rcParams.update({'font.size':20}) # 修改图例字体大小plt.legend()
plt.show()三、在直方图上画折线图
import matplotlib.pyplot as plt
import numpy as npx=np.random.normal(100,15,10000)
y=np.random.normal(80,15,10000)# density=True设置为密度刻度
n1, bins1, patches1 = plt.hist(x, bins=50, density=True, color='#00B8B8', alpha=1)
n2, bins2, patches2 = plt.hist(y, bins=50, density=True, color='r', alpha=0.2)plt.plot(bins1[:-1],n1,':',lw=3)
plt.plot(bins2[:-1],n2,'--',lw=3)plt.show()
matplotlib.pyplot.hist()绘制直方图相关推荐
- matplotlib hist 绘制直方图 bar 绘制条形图 API
https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html#matplotlib.pyplot.hist
- python excel 图表 matplotlib_Python数据可视化：matplotlib 常见图表绘制——直方图
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 作者:斑点鱼 matplotlib常见图表绘制--直方图 series.h ...
- Python matplotlib.pyplot.hist函数 参数详解（超详细的！）
matplotlib.pyplot.hist函数 参数详解 函数内容 matplotlib.pyplot.hist(x, bins=None, range=None, normed=False, we ...
- plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式
plt.hist绘制直方图参数density 为True和False分别代表是否归一化 参数orientation决定了是采用纵轴代表频率还是横轴代表频率的展现形式 plt.figure() plt ...
- matplotlib.pyplot.hist(柱状图)
matplotlib.pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, botto ...
- opencv python matplotlib.pyplot.hist() 如何绘制灰度直方图，如何根据灰度直方图确定最优二值化值
什么是灰度直方图? 图像直方图(histogram)是图像的统计学特征,常用于了解图像的基本特征以便分析.不过图像的直方图不具有空间特征. 图像的灰度直方图(histogram),就是将图像转化成灰度 ...
- python Matplotlib.pyplot 如何绘制三维折线图, 散点图, 线框图, 表面图, 柱状图, 箭头图, 2D转3D图, 文本图, 3D拼图, 网状图, 直方图, 角面片图, 条状图?
参考文章1: Matplotlib.pyplot 三维绘图 https://www.cnblogs.com/wuwen19940508/p/8638266.html 参考文章2: [python图像处 ...
- 数字图像处理(15): 灰度直方图(matplotlib 和OpenCV 绘制直方图)
目录 1 灰度直方图简介 1.1 灰度直方图概念 1.2 灰度直方图作用 1.3 绘制的直方图 1.4 归一化直方图 2 matplotlib库 绘制直方图-hist() 3 OpenCV库 绘制直方 ...
- Matplotlib.pyplot参数(条形图,直方图,饼图,散点图)
1. 条形图 bar() 官方文档网址:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html#matplotlib.scatter ...
- matplotlib.pyplot.scatter( )绘制散点图与双月形图
matplotlib.pyplot里的函数scatter( )用于绘制散点图.学习Matplotlib绘图其实就是学习绘图函数中的参数,不同的参数搭配会产生不同的化学效应! scatter( )函数包 ...
最新文章
- 学习笔记：腾讯云--域名解析
- html函数中怎么写超链接,如何调用html超链接中的函数
- html5 文件转byte[],JS 文件base64、File、Blob、ArrayBuffer互转
- hdu4096(模拟)
- Python3的方法解析顺序(MRO)
- MVC PartialView
- 处理器映射器（HandlerMapping）及处理器适配器（HandlerAdapter）详解（一）
- 647. 回文子串（JavaScript）
- 51单片机两只老虎c语言程序,基于51单片机蜂鸣器的两只老虎音乐代码
- 五笔字根表识别码图_识别码五笔字根表打印
- html5字体代码列表,html5——web字体(示例代码)
- 【MyEcplise】build workspace卡死
- C#：实现一个将字符串转换为整数的方法
- Java 标准输入输出流（System.in，System.out）使用
- ssm 微信扫码支付
- 要么忍，要么狠，要么滚
- mysql按笔划排序_mysql中怎么按姓氏笔画排序
- 查看自己电脑的开关机记录
- app.json: [“subpackages“][0][“root“] 字段需为 目录
- Android编程权威指南笔记3:Android Fragment讲解与Android Studio中的依赖关系，如何添加依赖关系