python数据可视化玩转Matplotlib直方图、箱型图、密度图、正态分布、偏度和峰度

最新推荐文章于 2025-10-29 22:02:12 发布

原创

最新推荐文章于 2025-10-29 22:02:12 发布 · 9.4k 阅读

61 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析 #numpy

本文介绍了直方图、箱线图和密度图在数据分析中的应用，以及如何使用Python的matplotlib和seaborn库绘制这些图形。此外，还讨论了正态分布的重要性，并展示了如何绘制正态分布图。最后，提到了偏度和峰度作为描述数据分布形态的指标，以及如何计算和使用它们。

1. 直方图、箱线图和密度图

直方图、箱线图和密度图是数据分析中十分常用的图形。它们可以帮助我们更好地理解数据的分布情况，从而更好地进行数据分析和处理。在这篇博客中，我们将介绍它们的基本原理、用途以及如何在Python中使用代码来实现。

1.1 直方图

直方图是一种常用的数据分布图，它将数据分成若干个区间，然后统计每个区间内数据的个数。通常情况下，直方图的横轴表示数据范围，纵轴表示数据出现的频数或者频率。直方图适用于连续性数据的分布情况。

下面是Python绘制直方图的代码，使用的是matplotlib库：

import matplotlib.pyplot as plt
import numpy as np

# 生成一组随机数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.5,
         histtype='stepfilled', color='steelblue',
         edgecolor='none')
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

其中，np.random.randn(1000)生成了1000个标准正态分布的随机数，plt.hist()函数用于绘制直方图，bins表示将数据分成的区间数量，density表示是否对频数进行归一化，alpha表示透明度，histtype表示直方图的类型，color表示填充颜色，edgecolor表示边框颜色。最后使用plt.show()函数显示图形。

在上面的代码中，我们设置了density=True，这样直方图的纵轴就表示概率密度，而不是频数。如果需要绘制频数直方图，只需要将density设置为False即可。