matplotlib繪制直方圖的基本配置是什么

這篇文章主要介紹“matplotlib繪制直方圖的基本配置是什么”，在日常操作中，相信很多人在matplotlib繪制直方圖的基本配置是什么問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”matplotlib繪制直方圖的基本配置是什么”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

直方圖介紹

直方圖(Histogram)，又稱質量分布圖，是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。 一般用橫軸表示數據類型，縱軸表示分布情況。

直方圖是數值數據分布的精確圖形表示。 這是一個連續變量（定量變量）的概率分布的估計，并且被卡爾·皮爾遜（Karl Pearson）首先引入。它是一種條形圖。

為了構建直方圖，第一步是將值的范圍分段，即將整個值的范圍分成一系列間隔，然后計算每個間隔中有多少值。 這些值通常被指定為連續的，不重疊的變量間隔。 間隔必須相鄰，并且通常是（但不是必須的）相等的大小。

直方圖也可以被歸一化以顯示“相對”頻率。 然后，它顯示了屬于幾個類別中的每個案例的比例，其高度等于1。

繪制直方圖的參數（plt.hist（））

通常而言，繪制直方圖有很多種方法，比如采用matplotlib里面的模塊進行繪制，也可以是pandas里面的圖形進行繪制，也可以使用Python里面其他的統計繪圖模塊進行繪制圖形，總而言之，想要圖形展示的美觀，那么就需要自己配置，也就是說模板固然重要，但是如果不懂原理的進行搬運和借用，反而效果不是很好！

連接數據庫進行直方圖繪制案例

# -*- coding: utf-8 -*-
 
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['axes.unicode_minus']=False       #正常顯示負號
 
import pymysql
 
 
#連接MySQL數據庫
v1 = []
v2 = []
db = pymysql.connect(host='127.0.0.1', port=3306, database='mydb',user='root',password='root')
cursor = db.cursor()
 
#讀取訂單表數據，統計每日利潤額
sql_str = "SELECT order_date,ROUND(SUM(profit)/10000,2) FROM orders WHERE FY=2019 GROUP BY order_date"
cursor.execute(sql_str)
result = cursor.fetchall()
for res in result:
    v1.append(res[0])  # order_date
    v2.append(res[1])  # sum_profit_by_order_date 每日利潤額
 
plt.figure(figsize=(10,5))         #設置圖形大小
cs,bs,bars = plt.hist(v2, bins=20, density=False, facecolor="cyan", edgecolor="black", alpha=0.7)
width = bs[1]-bs[0]
for i,c in enumerate(cs):
    plt.text(bs[i]+width/3,c,round(c))
 
# 返回一個counts數組，一個bins數組和一個圖形對象
# 顯示橫軸標簽
plt.xlabel("區間",fontdict={'family':'Fangsong','fontsize':15})
# 顯示縱軸標簽
plt.ylabel("頻數",fontdict={'family':'Fangsong','fontsize':15})
# 顯示圖標題
plt.title("利潤額分布直方圖",fontdict={'family':'Fangsong','fontsize':20})
plt.show()

使用dataframe里面的plot函數進行繪制（萬能模板）

一般而言，我們導入數據的時候，大概率都是基于表數據進行可視化的，很少使用那些自主獨立的數據進行繪制，如果是那種數據，很多人都會去使用origin這個繪圖軟件了，程序繪圖最大的好處就是不需要對數據結果進行輸出，輸入，這樣在很大程度上減少了我們的時間，提高了我們的工作效率。

# 使用DataFrame的plot函數畫圖
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 設置全局字體為中文 楷體
plt.rcParams['axes.unicode_minus']=False       #正常顯示負號
plt.figure(dpi=130)
datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()
data.plot(kind='hist',bins=20,figsize=(15,5),color='y',alpha=0.5,edgecolor='c',histtype='bar')
 
 
plt.xlabel("區間",fontdict={'family':'Fangsong','fontsize':15})
plt.ylabel("頻數",fontdict={'family':'Fangsong','fontsize':15})
plt.title("利潤額分布直方圖",fontdict={'family':'Fangsong','fontsize':20},y=1.03)
 
# 設置圖形上的各類主題值
plt.suptitle('直方圖案例',size=22,y=1.05)
plt.title("繪制日期：2022年   昵稱：王小王-123", loc='right',size=12,y=1.03)
 
plt.title("主頁：https://blog.csdn.net/weixin_47723732", loc='left',size=12,y=1.03)
 
plt.show()

繪制多個子圖（多子圖直方圖案例模板）

plt.tight_layout() # 自動緊湊布局，避免遮擋

是很重要的一個參數，一般是在結尾出添加這個參數

import pandas as pd
 
datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()
 
fig = plt.figure(figsize=(10,5),dpi=130)  # 生成畫布
 
# 生成子圖1
ax1 = plt.subplot(121)  # 1行2列中的第1個
plt.title("CSDN博客專家", loc='left',size=12,y=1.03) #添加備注
 
# 生成子圖2
ax2 = plt.subplot(122)  # 1行2列中的第2個
 
# 設置圖形上的各類主題值
plt.title("王小王-123", loc='right',size=12,y=1.03)#添加備注
 
 
#df.plot使figure級別的繪圖函數，默認會生成新的figure，可以通過ax參數指定繪圖的坐標子圖
data.plot(kind='hist',bins=20,color='c',alpha=0.5,edgecolor='c',histtype='bar',ax=ax1,figure=fig)  # 指定這個圖畫到ax1中
#plt.xlabel("區間",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_xlabel("區間",fontdict={'family':'Fangsong','fontsize':15})
#plt.ylabel("頻數",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_ylabel("頻數",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_title("cyan")
#print(ax1.get_xticks())
 
data.plot(kind='hist',bins=20,color='y',alpha=0.5,edgecolor='y',histtype='bar',ax=ax2,figure=fig) # 指定這個圖畫到ax2中
# plt.xlabel = plt.gca().set_xlabel()  plt. 獲取“當前”的坐標子圖，需要小心執行的位置
plt.xlabel("區間",fontdict={'family':'Fangsong','fontsize':15})
plt.ylabel("頻數",fontdict={'family':'Fangsong','fontsize':15})
plt.title("yellow")                                                        # subplot的標題
 
plt.suptitle("利潤額分布直方圖",fontdict={'family':'Fangsong','size':22})  # figure的標題
plt.tight_layout() # 自動緊湊布局，避免遮擋
plt.show()

概率分布直方圖（統計圖形）

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
 
#概率分布直方圖
#高斯分布
#均值為0
mean = 0
#標準差為1，反應數據集中還是分散的值
sigma = 1
x=mean+sigma*np.random.randn(10000)
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))
#第二個參數是柱子寬一些還是窄一些，越大越窄越密
ax0.hist(x,40,density=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)  # histtype返回一組bar的數組
##pdf概率分布圖，一萬個數落在某個區間內的數有多少個
ax0.set_title('pdf')
ax1.hist(x,20,density=1,histtype='stepfilled',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) # 返回的一條step線，cumulative=True數值的累積的
#cdf累計概率函數，cumulative累計。比如需要統計小于5的數的概率
ax1.set_title("cdf")
fig.subplots_adjust(hspace=0.4)
plt.show()

直方圖內顯示折線圖分布

import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 設置全局字體為中文 楷體
plt.rcParams['axes.unicode_minus']=False       #正常顯示負號
plt.figure(figsize=(17,8),dpi=120)
 
import numpy as np
from scipy.stats import norm
np.random.seed(10680801)
mu=100
sigma=15
x=mu+sigma*np.random.randn(500)
num_bins=60
fig,ax=plt.subplots()
#fig,ax=plt.subplots(ncols=2)
#ax1 = ax[0]
#ax2 = ax[1]
n,bins,patches=ax.hist(x,num_bins,density=True)
y=norm.pdf(bins,mu,sigma)
ax.plot(bins,y,'--')
ax.set_xlabel('IQ')
ax.set_ylabel('概率密度')
ax.set_title(r'智商分布情況直方圖')
fig.tight_layout()

堆疊面積直方圖

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
fig,ax=plt.subplots()
 
ax.hist(crime["robbery"],bins=12,histtype="bar",alpha=0.6,label="robbery",stacked=True)
ax.hist(crime["aggravated_assault"],bins=12,histtype="bar",alpha=0.6,label="aggravated_assault",stacked=True)
ax.legend()
ax.set_xticks(np.arange(0,721,60))
ax.set_xlim(0,720)
ax.set_yticks(np.arange(0,21,4))
plt.show()

在不同的子圖中繪制各種類犯罪數據的數值分布

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
 
crime = crime.query("state!='United States'").query("state!='District of Columbia'")
 
plt.figure(figsize=(10,5),dpi=120)
nrows=2
ncols=4
n = np.arange(nrows*ncols)+1
for i in n:
    ax = plt.subplot(nrows,ncols,i)
    ax.hist(crime.iloc[:,i])
    ax.set_title(crime.columns[i])
 
plt.suptitle("各種類犯罪數據的數值分布",y=1.02)
plt.tight_layout()

 其他案例

乘客年齡分布頻數直方圖

# 導入第三方庫
import pandas as pd
import matplotlib.pyplot as plt
 
# 設置中文
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 準備數據(讀取Titanic數據集)
titanic = pd.read_csv(r'E:\PythonData\exercise_data\train.csv')
 
# 檢查年齡是否有缺失
any(titanic.Age.isnull())
 
# 刪除含有缺失年齡的觀察
titanic.dropna(subset=['Age'], inplace=True)
 
# 繪圖：乘客年齡的頻數直方圖
plt.hist(titanic.Age, # 繪圖數據
        bins = 20, # 指定直方圖的條形數為20個
        color = 'steelblue', # 指定填充色
        edgecolor = 'k', # 設置直方圖邊界顏色
        label = '直方圖'
        )# 為直方圖呈現標簽
 
# 刻度設置
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
 
# 添加描述信息
plt.xlabel('年齡：歲',fontsize=20)
plt.ylabel('人數：個',fontsize=20)
plt.title('乘客年齡分布',fontsize=20)
 
# 顯示圖形
plt.show()

男女乘客直方圖（二維數據）

 設置了組距和其他的參數

# 導入庫
import matplotlib.pyplot as plt
import numpy as np
 
# 設置字體
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 提取不同性別的年齡數據
age_female = titanic.Age[titanic.Sex == 'female']
age_male = titanic.Age[titanic.Sex == 'male']
 
# 設置直方圖的組距
bins = np.arange(titanic.Age.min(), titanic.Age.max(), 2)
 
# 男性乘客年齡直方圖
plt.hist(age_male, bins = bins, label = '男性',edgecolor = 'k', color = 'steelblue', alpha = 0.7)
 
# 女性乘客年齡直方圖
plt.hist(age_female, bins = bins, label = '女性',edgecolor = 'k', alpha = 0.6,color='r')
 
# 調整刻度
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
 
# 設置坐標軸標簽和標題
plt.title('男女乘客年齡直方圖',fontsize=20)
plt.xlabel('年齡',fontsize=20)
plt.ylabel('人數',fontsize=20)
 
# 去除圖形頂部邊界和右邊界的刻度
plt.tick_params(top='off', right='off')
 
# 顯示圖例
plt.legend(loc='best',fontsize=20)
 
# 顯示圖形
plt.show()

 電影時長分布直方圖

# 導入庫
import matplotlib.pyplot as plt
 
# 設置字體
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 準備數據
time=[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]
# 設置組距
bins=2
 
groups = int((max(time)-min(time))/bins)
 
# 繪制直方圖
plt.hist(time,groups,color='b',
            edgecolor = 'k',
        density = True) # 指定直方從圖的邊界色)
 
# 調整刻度
plt.xticks(list(range(min(time),max(time)))[::2],fontsize=15)
plt.yticks(fontsize=15)
 
# 添加描述信息
plt.xlabel('電影時長：分鐘',fontsize=20)
plt.ylabel('電影數量占比',fontsize=20)
 
# 增加網格
plt.grid(True,linestyle='--',alpha=1)
 
# 添加標題
plt.title('電影時長分布直方圖',fontsize=20)
 
plt.show()

到此，關于“matplotlib繪制直方圖的基本配置是什么”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！