Pandas.DataFrame.hist()函数有助于理解数字变量的分布。此函数将值拆分为数字变量。其主要功能是制作给定数据帧的直方图。
数据的分布由直方图表示。使用函数Pandas DataFrame.hist()时,它将在DataFrame中的每个系列上自动调用函数matplotlib.pyplot.hist()。结果,我们获得了每列一个直方图。
用法:DataFrame.hist(data, column=None, by=None, grid=True, xlabelsize=None, xrot=None, ylabelsize=None, yrot=None, ax=None, sharex=False, sharey=False, figsize=None, layout=None, bins=10, backend=None, legend=False, **kwargs)
参数:
data:DataFrame
column:str或序列
xlabelsize:int,默认值无
ylabelsize:int,默认值无
ax:Matplotlib轴对象,默认为无
**夸克
所有其他绘图关键字参数将传递给matplotlib.pyplot.hist()。
Return:
matplotlib.AxesSubplot或numpy.ndarray
范例1:创建2列Pandas DataFrame 的直方图
有时我们需要绘制 DataFrame 列的直方图,以便对其进行更深入的分析。在这种情况下,dataframe.hist()功能很有帮助。使用此功能,我们可以绘制任意数量列的直方图。
Python3
# Importing pandas library
import pandas as pd
# Creating a Data frame
values = pd.DataFrame({
'Length':[2.7, 8.7, 3.4, 2.4, 1.9],
'Breadth':[4.24, 2.67, 7.6, 7.1, 4.9]
})
# Creating Histograms of columns 'Length'
# and 'Breadth' using Dataframe.hist()
# function
hist = values.hist(bins=5)
输出:
在上面的示例中,我们使用dataframe.hist()函数绘制了“长度”和“宽度”列的直方图。
范例2:创建3列 Pandas DataFrame 的直方图
Python3
# Importing pandas library
import pandas as pd
# Creating a Data frame
values = pd.DataFrame({
'Length':[2.7, 8.7, 3.4, 2.4, 1.9],
'Breadth':[4.24, 2.67, 7.6, 7.1, 4.9],
'Height':[5.8, 5.5, 7.8, 10.88, 0.1]})
# Creating Histograms of columns 'Length',
# 'Breadth' and 'Height' using Dataframe.hist()
# function
hist = values.hist(bins=12)
输出:
在上面的示例中,我们使用dataframe.hist()函数绘制了“长度”,“宽度”和“高度”列的直方图。
范例3:创建4列Pandas DataFrame 的直方图
Python3
# Importing pandas library
import pandas as pd
# Creating a Data frame
values = pd.DataFrame({
'Length':[2.7, 8.7, 3.4, 2.4, 1.9],
'Breadth':[4.24, 2.67, 7.6, 7.1, 4.9],
'Height':[5.8, 5.5, 7.8, 10.88, 0.1],
'Weight':[20, 40.8, 55.8, 7.2, 48]
})
# Creating Histograms of columns 'Length',
# 'Breadth', 'Height' and 'Weight'
# using Dataframe.hist() function
hist = values.hist(bins=8)
输出:
在上面的示例中,我们使用dataframe.hist()函数绘制了“长度”,“宽度”,“高度”和“重量”列的直方图。