python:绘制直方图(Histogram)
简介
本文主要总结如何绘制直方图,以及常用的使用场景。
什么是直方图:一个随机变量在各个取值区间有个概率分布,将其绘制出来:x轴为等间隔的取值区间(bins),y轴为该区间的频数(可归一化),即直方图。
接口
Signature:
plt.hist(x,bins=None,range=None,density=None,weights=None,cumulative=False,bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=None,log=False,color=None,label=None,stacked=False,normed=None,*,data=None,**kwargs,
)
Docstring:
Plot a histogram.Compute and draw the histogram of *x*. The return value is a
tuple (*n*, *bins*, *patches*) or ([*n0*, *n1*, ...], *bins*,
[*patches0*, *patches1*,...]) if the input contains multiple
data.
实例1:正态分布的直方图
实例
生成一个正态分布数据x,然后绘制其直方图。
代码
mu,sigma = 0,1
x = np.random.normal(mu,sigma,size=5000)
n, bins,patches = plt.hist(x,bins=20)
print('n:',n)
print('bins:',bins)
print('patches:',patches)
分析
输入参数:
- x:即随机变量的取值数据
- bins:表示将x等间隔分成多少个区间。比如这里分成了20个区间,具体说:它是将[min(x),max(x)]这个范围等间隔分成20个区间(bin),即有21个区间端点。
返回参数:
- n:各区间(bin)的频数,即20个柱子的高度,
- bins:21个区间端点。查看数值可以看到第一个端点为min(x),最后一个端点为max(x)。
- patches:表示20个柱子
结果
n: [ 2. 1. 22. 36. 81. 161. 329. 448. 580. 703. 745. 590. 507. 354.217. 115. 73. 25. 10. 1.]
bins: [-3.66700533 -3.30660994 -2.94621455 -2.58581916 -2.22542377 -1.86502838-1.50463298 -1.14423759 -0.7838422 -0.42344681 -0.06305142 0.297343970.65773937 1.01813476 1.37853015 1.73892554 2.09932093 2.459716322.82011172 3.18050711 3.5409025 ]
patches: <a list of 20 Patch objects>
拓展
使用其他输入参数,可以改进直方图。常用的有:
1、指定分隔范围:range
使用场景:1.想让区间数据更清晰;2.扔掉一些区间外的‘坏点’
n, bins,patches = plt.hist(x,bins=20,range=(-3,3))
print(‘bins:’,bins)
结果:
bins: [-3. -2.7 -2.4 -2.1 -1.8 -1.5 -1.2 -0.9 -0.6 -0.3 0. 0.3 0.6 0.91.2 1.5 1.8 2.1 2.4 2.7 3. ]
2、将频数归一化为概率密度:density
纵轴默认为频数,可归一化为概率密度。即归一化后,所有柱子的面积之和为1,即某区间的概率密度=频数/总数/区间长度,可理解为该区间的平均概率密度(或该区间的中值点的概率密度)
预期结果:归一化后的概率密度与标准的正态分布函数(概率密度函数)是吻合的。
_ ,ax = plt.subplots()
n, bins,patches = ax.hist(x,bins=20,range=(-3,3),density=True)
# 验证正态分布
y1 = scipy.stats.norm.pdf(bins, loc=mu, scale=sigma)
#y2 = 1/(sigma * np.sqrt(2 * np.pi)) * np.exp( - (bins - mu)**2 / (2 * sigma**2))
ax.plot(bins,y1,'r--')
结果:
python:绘制直方图(Histogram)相关推荐
- seaborn可视化displot绘制直方图(histogram)并通过axvline函数在直方图中添加均值(mean)竖线(自定义均值竖线色彩)
seaborn可视化displot绘制直方图(histogram)并通过axvline函数在直方图中添加均值(mean)竖线(自定义均值竖线色彩) 目录
- python画直方图代码-Python绘制直方图及子图的方法分析(代码示例)
本篇文章给大家带来的内容是关于Python绘制直方图及子图的方法分析(代码示例),有一定的参考价值,有需要的朋友可以参考一下,希望对你有所帮助. 1.直方图的绘制也需要用到matplotlib下的py ...
- python画直方图成绩分析-使用Python绘制直方图和正态分布曲线
本文主要介绍两个内容: 如何使用记事本生成包含某一数据集的CSV文件: 如何使用Python绘制给定数据集的直方图和正态分布曲线. 1. 使用记事本创建CSV文件 ① 新建一个文本文件,打开后输入数据 ...
- python绘制直方图
用两列数据绘制直方图 #coding=gbkimport xlwings as xw import pandas as pd import matplotlib.pyplot as plt#pd.se ...
- python导入数据画直方图加正态曲线_使用Python绘制直方图和正态分布曲线
原博文 2020-03-20 22:01 − 本文主要介绍两个内容: 如何使用记事本生成包含某一数据集的CSV文件: 如何使用Python绘制给定数据集的直方图和正态分布曲线. 1. 使用记事本创建C ...
- python绘制直方图根据不同分类_小猿圈Python开发之绘制频率分布直方图示例
现在人工智能越来越实用,甚至深入到千家万户,随之而来的就是python技术的火爆,今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例,希望对于刚刚自学python的你有一定的帮助. 项目中在 ...
- python绘制直方图显示数字_Python实现绘制双柱状图并显示数值功能示例
本文实例讲述了Python实现绘制双柱状图并显示数值功能.分享给大家供大家参考,具体如下: # -*- coding:utf-8 -*- #! python3 import matplotlib.py ...
- python绘制直方图plt_Python:matplotlib绘制直方图
使用hist方法来绘制直方图: 绘制直方图,最主要的是一个数据集data和需要划分的区间数量bins,另外你也可以设置一些颜色.类型参数: plt.hist(np.random.randn(1000) ...
- Python绘制直方图案例一则
参考代码: 运行结果: ---------董付国老师Python系列教材-------- 1)<Python程序设计(第2版)>(2018年7月第7次印刷) 2)<Python可以这 ...
- python绘制直方图(成绩可视化),turtle绘图
1.成绩可视化,输入成绩,绘制直方图 lis_score=[] n=int(input("输入学生人数:")) while n<1: print("学生人数 ...
最新文章
- OpenCV中SVM的使用
- MySQL命令梳理_MySQL操作命令梳理(1)
- uoj#188. 【UR #13】Sanrd(Min_25筛)
- 新建子窗体 1124
- python拼写错误20几分钟怎么办_Python | 21行轻松搞定拼写检查器
- uuid会重复吗_UUID的版本你知道吗
- 浅谈 js 字符串之神奇的转义
- 软件技术方案_广东省汕尾市海丰陈氏数字化网络化全县族谱统修工作方案(草案)...
- Mysql安装包安装教程(亲测简单高效版)
- PHP开发入门 | 简单的PHP新闻管理系统案例
- war包的解压和打包为原来的war包的方法
- AI语音声控智能按摩椅方案/案列/APP/小程序/网站
- <<视觉问答>>2022:CLIP Models are Few-shot Learners: Empirical Studies on VQA and Visual Entailment
- Bug的级别,按照什么划分
- 蓝牙协议开发常见词汇缩写
- self与static的浅薄理解
- 织梦如何添html5播放器,织梦ckplayer视频播放器插件安装使用教程
- html nav文字位置,HTML: nav 标签
- 主线程和子线程的关系(讨论主线程结束,子线程是否要回收)
- 【力扣周赛】第293场周赛