Python绘制hist直方图使用手册

阿黎逸阳的代码 2021-12-04

9858

对于初学python绘图的小伙伴来说，彻底弄清hist直方图绘制需要花费较多时间。

本文旨在让你花最少的时间，彻底弄懂hist函数原理和绘制方法。

本文目录

什么是直方图？
matplotlib.pyplot.hist参数详解
实例理解

一、什么是直方图？

直方图分为频数直方图和频率直方图，为理解什么是直方图，大家可先熟悉如下专有名词。

频数分布直方图：在统计数据时，按照频数分布表，在平面直角坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数。

频率分布直方图：在统计数据时，按照频数分布表，在平面直角坐标系中，横轴标出每个组的端点，纵轴表示频率除以组距的值，每个矩形的高代表频率和组距的商。

频数：落在各组样本数据的个数。

频率：频数除以样本总个数。

组距：直方图中柱子的宽度，可自定义，也可用数据的最大值减去最小值再除以柱子的个数。

二、matplotlib.pyplot.hist参数详解

在python中用matplotlib.pyplot.hist函数绘制直方图，本小节详细阐述该函数的常用参数。

你可以大致浏览一遍，再结合第三个模块的案例彻底弄懂这些参数。

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)

x：数组序列，待绘制直方图的原始数据。

bins：整数值或数组序列，默认为None。若为整数值，则为频数分布直方图柱子个数，且柱宽=(x.max()-x.min())/bins。

若为数值序列，则该序列给出每个柱子的范围值，除最后一个柱子外，其他柱子的取值范围均为左闭右开，若数值序列的最大值小于原始数据的最大值，存在数据丢失。

range：元组或None，默认为None。若为元组，则range用于剔除原始数据中较小和较大的离群值，给出绘制直方图的全局范围。若为None，则不剔除。

若bins取值为数组序列，则range无效。

density：布尔值，默认为False。若为True，则绘制频率分布直方图，若为False，则绘制频数分布直方图。

weights：与x形状相同的权重数组。将x中的每个元素乘以对应权重值再计数。如果normed或density取值为True，则会对权重进行归一化处理。这个参数可用于绘制已合并数据的直方图。

cumulative：布尔值，默认为False。若为True，当density为False时直方图显示累计频数，当density为True时直方图显示累计频率。

bottom：数值或数组序列，默认为None。若为数值，则直方图的柱子相对于y=0向上/向下偏移相同的量。若为数组序列，则根据数组元素取值每根柱子偏移相应的量。

histtype：{'bar', 'barstacked', 'step', 'stepfilled'}，默认为'bar'。

'bar'是传统的条形直方图，'barstacked'是堆叠的条形直方图，'step'是未填充的阶梯直方图，只有外边框，'stepfilled'是有填充的阶梯直方图。

当histtype取值为'step'或'stepfilled'时，rwidth设置失效，即柱子中无间隔，默认连接在一起。

align：{'left', 'mid', 'right'}，默认为'mid'。

'left'表示柱子的中心位于bins的左边缘， 'mid'表示柱子的中心位于bins的中间，'right'表示柱子的中心位于bins的右边缘。

orientation：{'horizontal', 'vertical'}，默认为'vertical'。'horizontal'表示柱子水平排列， 'vertical'表示柱子垂直排列。

rwidth：数值，默认为None。表示柱子的宽度占bins对应宽的比例，比如取值为0.9时，柱子的宽度为bins对应宽乘以0.9，柱子之间有空隙。

log：布尔值，默认为False。若为True，则纵坐标用科学计数法表示。

color：字符串(具体颜色)或数组(元素为颜色)，默认为None。

label：字符串，默认为None。有多个数据集时，用label做标注区分。

stacked：布尔值，默认为False。当图中有多个数据集时使用该参数，若取值为True，则输出数据集累计堆叠的结果，若取值为False，则多个数据集柱子并排排列。

三、实例理解

本小节用一些模拟的公司薪资数据，建立直方图，方便大家理解上一章中常用参数。

1 bins参数理解

首先来看下只有薪资数据(x)和直方图分割区间(bins)两个参数的绘图代码。

import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形框架
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins)
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()

从salary中知，总计有13个薪水数据，但是numBins的最大值为10000，所以salary中的10400取不到，绘图时只使用了前12个数值，这在绘图时需特别注意。

由于bins的取值是左闭右开，统计salary中[0, 4000)的个数为4，[4000, 6000)的个数为3，[6000, 10000)的个数为5。

得到结果：

2 rwidth参数理解

rwidth：柱子的宽度占bins对应宽的比例，比如取值为0.9时，柱子的宽度为bins对应宽乘以0.9，柱子之间有空隙。

只在第一小节代码的基础上调整rwidth的值为0.9，具体如下：

#rwidth参数理解
import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins, rwidth=0.9)
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()

得到结果：

可以发现每个柱子由原来的满格画，变成了现在的留一点空隙，比如0到4000这个区间，前后都留了一点空隙。

3 density参数理解

density：布尔值，默认为False。若为True，则绘制频率分布直方图，若为False，则绘制频数分布直方图。

只在第二小节代码的基础上调整density的值True，具体如下：

#density的值True
import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins, rwidth=0.9, density=True)
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()

得到结果：

可以发现纵坐标由原来的频数变成了频率。

4 cumulative参数理解

cumulative：布尔值，默认为False。若为True，当density为False时直方图显示累计频数，当density为True时直方图显示累计频率。

只在第二小节代码的基础上调整cumulative的值为True，具体如下：

#cumulative的值True
import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins, rwidth=0.9, cumulative=True)
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()

得到结果：

可以发现直方图绘制的是每个区间对应累计的薪资人数。

5 orientation参数理解

orientation：{'horizontal', 'vertical'}，默认为'vertical'。'horizontal'表示柱子水平排列， 'vertical'表示柱子垂直排列。

只在上小节代码的基础上调整orientation的值为horizontal，具体如下：

#orientation值为horizontal
import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins, rwidth=0.9, cumulative=True, orientation='horizontal')
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()

得到结果：

可以发现直方图柱子呈水平排列。

6 color参数理解

color：字符串(具体颜色)或数组(元素为颜色)，默认为None。

只在第四小节代码的基础上调整color值为yellow，具体如下：

#cumulative的值True
import numpy as np
import pandas as pd
from scipy import stats
from matplotlib.pyplot import *
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决标题中文显示问题
plt.rcParams['axes.unicode_minus'] = False   # 解决标题中文显示问题


salary = [2500, 3100, 3300, 3500, 4000, 5400, 5600, 6700,  7600, 7800, 8700, 9800, 10400]
#公司员工薪资数据
fig = plt.figure()
ax = fig.add_subplot(111)
#创建图形
numBins = [0,4000,6000,10000]
#直方图的分割区间
ax.hist(salary, numBins, rwidth=0.9, color='yellow')
plt.title(u'公司员工薪水直方图')
#绘制标题
plt.xlabel(u'薪资区间')
#横坐标标题
plt.ylabel(u'人数')
#纵坐标标题
plt.show()