python直方图拟合曲线_用Python为直方图绘制拟合曲线的两种方法

直方图是用于展示数据的分组分布状态的一种图形，用矩形的宽度和高度表示频数分布，通过直方图，用户可以很直观的看出数据分布的形状、中心位置以及数据的离散程度等。

在python中一般采用matplotlib库的hist来绘制直方图，至于如何给直方图添加拟合曲线(密度函数曲线)，一般来说有以下两种方法。

方法一：采用matplotlib中的mlab模块

mlab模块是Python中强大的3D作图工具，立体感效果极佳。在这里使用mlab可以跳出直方图二维平面图形的限制，在此基础上再添加一条曲线。在这里，我们以鸢尾花iris中的数据为例，来举例说明。

以上为通过python导入鸢尾花iris数据，然后提取第一列的sepal-length变量为研究对象，计算出其均值、标准差，接下来就绘制带拟合曲线的直方图。

以上命令主要采用mlab.normpdf基于直方图的柱子数量、均值、方差来拟合曲线，然后再用plot画出来，这种方法的一个缺点就是画出的正态分布拟合曲线(红色虚线)并不一定能很好反映数据的分布情况，如上图所示。

方法二：采用seaborn库中的distplot绘制

Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。

在这里主要使用sns.distplot(增强版dist)，柱子数量bins也设置为30，kde=True表示是否显示拟合曲线，如果为False则只出现直方图。

在这里注意一下它与前边mlab.normpdf方法不同的是，拟合曲线不是正态的，而是更好地拟合了数据的分布情况，如上图，因此比mlab.normpdf更为准确。

进一步设置sns.distplot，可以采用kde_kws(拟合曲线的设置)、hist_kws(直方柱子的设置)，可以得到：

其中，lw为曲线粗细程度。