【数据分析之道-Matplotlib(七)】Matplotlib直方图-Toy模板网

这篇具有很好参考价值的文章主要介绍了【数据分析之道-Matplotlib(七)】Matplotlib直方图。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

【数据分析之道-Matplotlib(七)】Matplotlib直方图

专栏导读

✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

1、hist()基本语法

hist()函数是Matplotlib库中用于绘制直方图的函数。它的语法如下：

plt.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, normed=None, **kwargs)

下面是一些常用参数的解释：

x: 必需参数，用于绘制直方图的数据。
bins: 可选参数，指定直方图的柱子数量或柱子的边界值。默认值为10。
range: 可选参数，指定直方图的取值范围。默认值为数据的最小值和最大值。
density: 可选参数，指定是否将直方图的高度归一化为概率密度。默认值为False。
histtype: 可选参数，指定直方图的类型。可以是’bar’（默认值），‘barstacked’，‘step’，'stepfilled’等。
color: 可选参数，指定直方图的颜色。
label: 可选参数，指定直方图的标签，用于图例显示。
align: 可选参数，指定柱子的对齐方式。可以是’left’，‘mid’（默认值），‘right’。
orientation: 可选参数，指定直方图的方向。可以是’vertical’（默认值），‘horizontal’。
rwidth: 可选参数，指定柱子的宽度，取值范围为[0, 1]。默认值为None，表示自适应宽度。
其他参数：还可以传递其他关键字参数，用于进一步自定义直方图的样式和属性。

实例演示hist()制作简单的直方图：

import matplotlib.pyplot as plt
import numpy as np
# 准备数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data)

# 添加标签和标题
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(七)】Matplotlib直方图

2、使用 hist() 函数绘制多个数据组的直方图

当使用hist()函数绘制多个数据组的直方图时，可以在同一图表中显示这些直方图，并进行比较。
下面是一个示例，演示如何使用hist()函数绘制多个数据组的直方图，并进行比较：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 800)
data3 = np.random.normal(-2, 1, 1200)

# 绘制直方图
plt.hist(data1, bins=30, alpha=0.5, label='Data 1')
plt.hist(data2, bins=30, alpha=0.5, label='Data 2')
plt.hist(data3, bins=30, alpha=0.5, label='Data 3')

# 添加标签和标题
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram Comparison')

# 添加图例
plt.legend()

# 显示图表
plt.show()

【数据分析之道-Matplotlib(七)】Matplotlib直方图

在这个例子中，我们生成了三组随机数据data1、data2和data3。然后，我们分别使用plt.hist()函数绘制了这三组数据的直方图，并使用bins参数设置了直方图的柱子数量，alpha参数设置了柱子的透明度，label参数设置了每组数据的标签。
接下来，我们添加了x轴和y轴的标签，以及一个标题。然后，使用plt.legend()函数添加了图例，以便区分不同的数据组。
最后，我们调用plt.show()函数显示了绘制好的直方图。

3、修改直方图的颜色及边框颜色

要修改直方图的颜色和边框颜色，可以使用color参数和edgecolor参数来设置。
下面是一个示例，演示如何修改直方图的颜色和边框颜色：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, color='skyblue', edgecolor='black')

# 添加标签和标题
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(七)】Matplotlib直方图

在这个例子中，我们生成了随机数据data。然后，我们使用plt.hist()函数绘制了直方图，并通过color参数将柱子的颜色设置为天蓝色，通过edgecolor参数将柱子的边框颜色设置为黑色。
你可以根据需要修改color参数和edgecolor参数的值，选择适合的颜色来自定义直方图的外观。
运行代码后，你将看到绘制好的直方图，柱子的颜色为天蓝色，边框颜色为黑色。

4、六一儿童节为主题，使用直方图进行可视化

当以儿童节为主题进行可视化时，可以使用直方图展示与儿童节相关的数据。以下是一个示例，演示如何使用直方图可视化儿童节礼物的数量分布：

import matplotlib.pyplot as plt

# 儿童节礼物的数量数据
gifts = ['Dolls', 'Cars', 'Balloons', 'Candies', 'Books']
quantity = [45, 60, 30, 80, 50]

# 绘制直方图
plt.bar(gifts, quantity, color='skyblue')

# 添加标签和标题
plt.xlabel('Gifts')
plt.ylabel('Quantity')
plt.title('Children\'s Day Gifts Distribution')

# 显示图表
plt.show()