如何在 Matplotlib 中绘制数据列表的直方图
我们可以使用 plt.hist() 方法从数据列表中绘制直方图。
plt.hist() 方法的语法
matplotlib.pyplot.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)
示例：从数据列表中使用 Matplotlib 绘制直方图
import matplotlib.pyplot as plt
data = [3,4,2,3,4,5,4,7,8,5,4,6,2,1,0,9,7,6,6,5,4]
n, bins, patches=plt.hist(data)
plt.xlabel("Values")
plt.ylabel("Frequency")
plt.title("Histogram")
plt.show()
输出：
在这里，我们在一个列表 data 中有数值。我们将这个列表传入 plt.hist() 命令，从值列表中生成一个直方图。plt.hist() 方法会返回二进制的频率、二进制的端点以及用于创建直方图的补丁列表。
在本例中，我们没有设置 bins 参数的值。默认情况下，bins 的值是 10，所以脚本会从 10 个 bins 的数据列表中创建直方图。
此外，我们可以在制作直方图时使用 bins 命令控制直方块的数量。
import matplotlib.pyplot as plt
data = [3,4,2,3,4,5,4,7,8,5,4,6,2,1,0,9,7,6,6,5,4]
n, bins, patches=plt.hist(data,bins=20)
plt.xlabel("Values")
plt.ylabel("Frequency")
plt.title("Histogram with 20 bins")
plt.show()
输出：
这个过程显示了由 20 个直方块组成的直方图，这是平均划分整个列表值范围的结果。
默认情况下，density 参数的值被设置为 False；这意味着我们在直方图中得到每个 bin 的精确计数的图。如果我们想让列表中每个 bin 的概率密度图，我们需要将 density 设置为 True。如果 density 为 True，直方图下的区域积分为 1。
import matplotlib.pyplot as plt
data = [3,4,2,3,4,5,4,7,8,5,4,6,2,1,0,9,7,6,6,5,4]
n, bins, patches=plt.hist(data,bins=20,density=True)
plt.xlabel("Weight")
plt.ylabel("Probability")
plt.title("Histogram with Probability Plot")
plt.show()
输出：
现在我们可以使用 color 参数设置直方图的颜色。
import matplotlib.pyplot as plt
data = [3,4,2,3,4,5,4,7,8,5,4,6,2,1,0,9,7,6,6,5,4]
n, bins, patches=plt.hist(data,bins=20,density=True,color='red')
plt.xlabel("Weight")
plt.ylabel("Probability")
plt.title("Red Histogram Plot")
plt.show()
输出：
此方法生成红色的直方图。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布，任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站。本站所有源码与软件均为原作者提供，仅供学习和研究使用。如您对本站的相关版权有任何异议，或者认为侵犯了您的合法权益，请及时通知我们处理。
