Python数据可视化第 7 讲：matplotlib绘制直方图函数hist

1. hist 函数介绍

hist 函数用于绘制直方图，直方图本质上是一种统计图。hist 函数绘图数据由参数 x 提供，参数 x 提供多个数据，作为具有潜在不同长度的数据集列表（[x0，x1，…]），也可以作为每个列都是数据集的二维数组。函数的调用格式如下：

hist(x, bins, **kwargs)
hist(x)

主要参数说明：

• x：数组或序列输入值，必须参数，它接受一个数组或一系列不需要具有相同长度的数组。
• bins：整数或序列或字符串，可选参数。如果 bins 是整数，则定义范围内等宽箱子(直方图块)的数量；如果 bins 是一个序列，它定义箱子边缘，包括第一个箱子的左边缘和最后一个箱子的右边缘；在这种情况下，箱子的间距可能不相等。除了最后一个（最右边的）箱子是半开的。举个例子，如果 bins 是：[1, 2, 3, 4]，那么第一个箱子是 [1，2（包括1，但不包括2），第二个箱子是[2，3)；然而，最后一个箱子是[3，4]，其中包括4。

2. hist 函数绘图示例

2.1 绘制一个简单的直方图

绘制一个简单的直方图。代码如下，数据集 x 提供绘图数据，bins=6 表示绘制的直方图块为 6 个，也就是将 x 提供的数据划分为 6 个区间进行分别统计，即分别统计数据集 x 中的数据落在区间 [1,1.5)、[1.5,2.0)、[2.0,2.5)、…、[3.5,4] 这 6 个区间的数量。直方图的高度就是落在对应区间的数据个数。

import matplotlib.pyplot as plt

# step1：准备画图的数据
x = [1, 2, 3, 4, 1, 2, 3, 4, 3, 2, 4, 2, 1, 4, 3, 2, 2, 2, 2, 3, 3, 2, 3, 4, 2, 2, 2]
# step2：手动创建一个figure对象，相当于一个空白的画布
figure = plt.figure()
# step3：在画布上添加1个子块，标定绘图位置
axes1 = plt.subplot(1, 1, 1)
# step4：绘制直方图
axes1.hist(x, bins=6)
axes1.set_title('a simple histogram')
# step5：展示
plt.show()

上面代码的运行结果：很明显，落在区间[2.0,2.5) 的数据是最多的。

2.2 通过numpy生成数据绘制一个直方图

通过 numpy 生成数据绘制一个直方图，代码如下：

import matplotlib.pyplot as plt
import numpy as np

# step1：准备画图的数据
N_points = 100000
n_bins = 20
x = np.random.randn(N_points)
# step2：手动创建一个figure对象，相当于一个空白的画布
figure = plt.figure()
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# step3：在画布上添加1个子块，标定绘图位置
axes1 = plt.subplot(1, 1, 1)
# step4：绘制直方图
axes1.hist(x, bins=n_bins)
axes1.set_title('a simple histogram')

# step5：展示
plt.show()

上面代码的运行结果：

2.3 绘制具有多个数据集的直方图

绘制具有多个数据集的直方图，并设置基本属性，代码示例如下：

import matplotlib.pyplot as plt
import numpy as np

# step1：准备画图的数据
np.random.seed(19680801)
n_bins = 10
x = np.random.randn(1000, 3)
colors = ['red', 'tan', 'lime']

# step2：手动创建一个figure对象，相当于一个空白的画布
figure = plt.figure()
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# step3：在画布上添加1个子块，标定绘图位置
axes1 = plt.subplot(1, 1, 1)
# step4：绘制直方图
axes1.hist(x, n_bins, density=True, histtype='bar', color=colors, label=colors)
axes1.set_title('a simple histogram')
axes1.legend()

# step5：展示
plt.show()

上面代码的运行结果：

2.4 直方图与拟合曲线

在绘制直方图的基础上，绘制一条拟合曲线，代码如下：

import matplotlib.pyplot as plt
import numpy as np

# step1：准备画图的数据
mu = 100  # mean of distribution
sigma = 15  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)
num_bins = 50

# step2：手动创建一个figure对象，相当于一个空白的画布
figure = plt.figure()
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# step3：在画布上添加1个子块，标定绘图位置
axes1 = plt.subplot(1, 1, 1)
# step4：绘制直方图
n, bins, patches = axes1.hist(x, num_bins, density=1)
# step5：绘制一条拟合曲线
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
     np.exp(-0.5 * (1 / sigma * (bins - mu)) ** 2))
axes1.plot(bins, y, '--')
# step6：设置基本元素
axes1.set_xlabel('Smarts')
axes1.set_ylabel('Probability density')
axes1.set_title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

# step7：展示
plt.show()

上面代码的运行结果：