Python数据分析——matplotlib直方图

通过直方图可以很方便知道数据的分布情况

绘制直方图

import numpy as np
import matplotlib.pylab as pyl
# 生成随机数
# data = np.random.randint(1,20,10)  # 第一个参数最小值  第二个参数最大值  生成随机数的个数
# 生成正态分布的随机数
data2 = np.random.normal(5.0,2.0,10000)  # 第一个参数是均数  第二个参数是西格玛  第三个参数是个数
pyl.hist(data2)
pyl.show()

设置直方图的宽度和上下限

import numpy as np
import matplotlib.pylab as pyl
# 生成随机数
data = np.random.randint(1,20,10)  # 第一个参数最小值  第二个参数最大值  生成随机数的个数
# 生成正态分布的随机数
data2 = np.random.normal(5.0,2.0,10000)  # 第一个参数是均数  第二个参数是西格玛  第三个参数是个数
sty = np.arange(2,17,4)  # 设置样式  参数为纵轴，横轴，直方宽度
pyl.hist(data2,sty)
pyl.show()

绘制子图

import numpy as np
import matplotlib.pylab as pyl
# 生成随机数
data = np.random.randint(1,20,10)  # 第一个参数最小值  第二个参数最大值  生成随机数的个数
# 生成正态分布的随机数
data2 = np.random.normal(5.0,2.0,10000)  # 第一个参数是均数  第二个参数是西格玛  第三个参数是个数
sty = np.arange(2,17,4)  # 设置样式  参数为纵轴，横轴，直方宽度
pyl.hist(data2,sty)

pyl.subplot(2,2,3)  # 第一个参数代表拆分为多少行，第二个参数代表拆分为多少列， 第三个参数为当前区域
pyl.show()

在子图中绘图

import numpy as np
import matplotlib.pylab as pyl
# 生成随机数
data = np.random.randint(1,20,10)  # 第一个参数最小值  第二个参数最大值  生成随机数的个数
# 生成正态分布的随机数
data2 = np.random.normal(5.0,2.0,10000)  # 第一个参数是均数  第二个参数是西格玛  第三个参数是个数
sty = np.arange(2,17,4)  # 设置样式  参数为纵轴，横轴，直方宽度
pyl.hist(data2,sty)

pyl.subplot(2,2,1)  # 第一个参数代表拆分为多少行，第二个参数代表拆分为多少列， 第三个参数为当前区域
x1 = [1,2,3,4,5]
y1 = [5,8,9,5,4]
pyl.plot(x1,y1)
pyl.subplot(2,2,2)
x2 = [1,2,3,4,5]
y2 = [5,8,9,5,4]
pyl.plot(x2,y2)
pyl.subplot(2,1,2)
x3 = [1,2,3,4,5]
y3 = [5,8,9,5,4]
pyl.plot(x3,y3)