Python数据分析 Anaconda发行版 Jupyter notebook 安装和文档 启动 运行机制 主界面 新建文档 工作界面 文档结构 编辑和命令模式 快捷键 执行和输出 Markdown单元 图片和视频 幻灯片 导出格式 魔法命令 Numpy 基础知识 数据类型 创建数组 数组运算 通用函数 索引切片迭代 添加删除去重 形状变换 堆积数组 分割数组 视图和复制 广播机制 花式索引 布尔索引 统计方法 随机数 Pandas Series DataFrame Index 重建索引 轴向上删除条目 索引和切片 算术和广播 函数和映射 排序和排名 统计和汇总 文件读取 分块读取 写出数据 JSON和Pickle HDF5 EXCEL文件 Web交互 数据库交互 删除缺失值 补全缺失值 删除重复值 替换 重命名轴索引 离散化和分箱 检测和过滤 随机和抽样 字符串操作 分层索引 分层索引进阶 合并连接 粘合与堆叠 重塑 Matplotlib 配置环境 使用常识 保存图形 两种图画接口 使用中文 线型图 颜色线型和标记 坐标轴上下限 坐标轴刻度 图题、轴标签和图例 配置图题 配置图例 颜色条 文本、箭头和注释 散点图 直方图 条形图 饼图 误差线 等高线 多子图 patch 自定义坐标轴刻度 风格样式展示 下一步

直方图

阅读: 5082     评论：1

使用hist方法来绘制直方图：

np.random.seed(2019)

# 创建数据
mu = 100  # 分布的均值
sigma = 15  # 分布标准差
x = mu + sigma * np.random.randn(400) # 生成400个数据

num_bins = 50  # 分50组

plt.hist(x, num_bins, density=1, )

plt.xlabel('Smarts')
plt.ylabel('Probability density')
plt.title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

img

绘制直方图，最主要的是一个数据集data和需要划分的区间数量bins，另外你也可以设置一些颜色、类型参数：

plt.hist(np.random.randn(1000), bins=30,normed=True, alpha=0.5, histtype='stepfilled', color='steelblue', edgecolor='none')

histtype直方图的类型，可以是'bar'、 'barstacked'、'step'和'stepfilled'。

有时候我们也会做一些直方对比图：

x1 = np.random.normal(0,0.8,1000)
x2 = np.random.normal(-2,1,1000)
x3 = np.random.normal(3,2,1000)

params = dict(histtype='stepfilled', alpha=0.3, normed=True,bins=40)

plt.hist(x1, **params)  # 以字典的形式提供参数
plt.hist(x2, **params)  # 在同一个子图中绘制，颜色会自动变化
plt.hist(x3, **params)

img

除了一维的直方图，还可以使用hist2d方法绘制二维的直方图：

mean = [0,0]  # 忽略数据的创建过程
cov = [[1,1],[1,2]]
x,y = np.random.multivariate_normal(mean, cov,10000).T

plt.hist2d(x,y,bins=30,cmap='Blues')  #以蓝色为基调
cb = plt.colorbar()  # 插入颜色条
cb.set_label('counts in bin')  # 设置颜色条的标签

img

hist2d是使用坐标轴正交的方块分割区域，还有一种常用的方式是正六边形也就是蜂窝形状的分割。Matplotlib提供的plt.hexbin就是满足这个需求的：

plt.hexbin(x,y,gridsize=30, cmap='Blues')
plt.colorbar(label='count in bin')

img

更多hist相关内容参考：https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.hist.html

 散点图 条形图 

评论总数： 1

点击登录后方可评论

plt.hist2d函数的前两个参数可以是一维数组，不能是多维;plt.hexbin函数前两个参数可以是一维数组也可以是多维。


By   用户5888865032    On   2019年8月27日 20:20   回复