百木园-与人分享,
就是让自己快乐。

Python数据分析入门(十八):绘制直方图

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条纹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。 直方图是数值数据分布的精确图形表示。为了构建直方图,第一步是将值的范围分段,即将整个值的范围分成一系列间隔,然后计算每个间隔中有多少值。这些值通常被指定为连续的,不重叠的变量间隔。间隔必须相邻,并且通常是(但不是必须的)相等的大小。

绘制直方图:

直方图的绘制方法,使用的是plt.hist方法来实现,这个方法的参数以及返回值如下:

参数:

  • 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:数字或者序列(数组/列表等)。如果是数字,代表的是要分成多少组。如果是序列,那么就会按照序列中指定的值进行分组。比如[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,如果为元组,那么指定x划分区间的最大值和最小值。如果bins是一个序列,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)。
  • 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。
  • 其他参数:请参考:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html。
  • 返回值:

  • 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:数组。每根条的对象,类型是matplotlib.patches.Rectangle。
  • 案例:

    比如有一组电影票房时长,想要看下这组票房时长的数据,那么可以通过以下代码来实现:

    durations = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
    plt.figure(figsize
    =(15,5))
    nums,bins,patches
    = plt.hist(durations,bins=20,edgecolor=\'k\')
    plt.xticks(bins,bins)
    for num,bin in zip(nums,bins):
    plt.annotate(num,xy
    =(bin,num),xytext=(bin+1.5,num+0.5))
    plt.show()

    来源:https://www.cnblogs.com/qshhl/p/14662188.html
    图文来源于网络,如有侵权请联系删除。

    未经允许不得转载:百木园 » Python数据分析入门(十八):绘制直方图

    相关推荐

    • 暂无文章