matplotlib 绘制直方图

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 · 置顶 · 1.9w 阅读

98 ·

CC 4.0 BY-SA版权

文章标签：

#python #数据分析 #可视化 #大数据

summarize 专栏收录该内容

24 篇文章

订阅专栏

本文详细介绍了如何使用Python的matplotlib库绘制直方图，包括直方图的概念、相关参数解析，以及绘图示例。通过实例展示了如何设置bins、range、normed等参数，并提供了添加数据标签的方法。

1.直方图

直方图是用一系列不等高的长方形来表示数据，宽度表示数据范围的间隔，高度表示在给定间隔内数据出现的频数，长方形的高度跟落在间隔内的数据数量成正比，变化的高度形态反映了数据的分布情况。

2.导入相关库

Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。我们一般用到的是 Matplotlib 的 Pyplot 函数集合。

from matplotlib import pyplot as plt

Pyplot 中使用 hist( ) 绘制直方图，并以元组形式返回直方图的计算结果，包括各区间中元素数量，区间的取值范围，以及具体每个区间对象。

3.相关参数介绍

hist( x, bins=None, range=None, normed=False, # 超重要
	  density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', rwidth=None, # 选用 
	  orientation='vertical', color=None, edgecolor=None, label=None, # 常用
	  stacked=False, **kwargs)

$x$ ：数组或者数组序列（不要求每个数组长度相同），用于存放数据
$b i n s$ ：整数、序列或字符串，整数表示等宽区间的个数（直方图条形个数），自动计算区间范围，序列则表示区间的范围，除了最后一个以外，都是包含左边不包含右边，字符串则表示对应的策略，默认为 hist.bins
$r a n g e$ ：元组，指定最小值和最大值（直方图数据的上下界），默认包含绘图数据中的最小值和最大值（默认以绘图数据的最小值作为直方图数据的上下界）
$n o r m e d$ ：是否将直方图的频数转化为频率

$d e n s i t y$ ：布尔值，可选，如果为 True，则返回的是归一化的概率密度，所有区间的概率之和为1
$w e i g h t$ ：类似于数组的值，可选，形状和 $x$ 相同，表示每个值对应的权重，默认情况下所有数据的权重相同
$c u m u l a t i v e$ ：布尔值或 -1，累积求和，表示小于某个数的所有元素个数之和，随着数的增大而不断增大，如果为 -1，则反转方向，表示大于某个数的所有元素个数之和，随着数量增大而不断减小
$h i s t t y p e$ ：指定直方图的类型，默认为 bar。bar（多个并列摆放），barstacked（多个堆叠摆放），step（生成对应的折线），stepfilled（填充相关区域）
$a l i g n$ ：设置条形边界值的对齐方式，默认为 mid，另外还有 left 和 right
$r w i d t h$ ：设置条形图的宽度

$o r i e n t a t i o n$ ：设置直方图的摆放方向，默认为垂直方向。
$c o l o r$ ：设置直方图的填充色
$e d g e c o l o r$ ：设置直方图边框色
$l a b e l$ ：设置直方图标签，可以通过 legend 展示其图例
$s t a c k e d$ ：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放

4.绘图示例

这里以我自己正在做的一个问题为示例，至于其他参数，大家不妨自己去尝试使用一下。

绘图数据：
在这里插入图片描述
绘图代码：

plt.figure(figsize=(20,10))
matplotlib.rcParams['font.family'] = 'SimHei' # 显示中文
fre_tuple = plt.hist(id_array, bins=20, color='steelblue') # 返回值元组
plt.title('小区流量记录分布直方图', fontproperties='SimHei', fontsize=15)
plt.show()

在这里插入图片描述

在这里插入图片描述 id_array 最小值：1，最大值：2388，指定了 bins 为 20，则 hist( ) 将 1 到 2388 等距分割为 20 个区间，记录各个区间的频数

此时的区间划分和各区间频数为：
在这里插入图片描述

修改部分参数：

plt.figure(figsize=(20,10))
matplotlib.rcParams['font.family'] = 'SimHei'
fre_tuple = plt.hist(id_array, bins=20, color='steelblue', edgecolor='black', rwidth=0.8, orientation='horizontal')
plt.title('小区流量记录分布直方图', fontproperties='SimHei', fontsize=15)
plt.show()

在这里插入图片描述

修改 bins 参数，自定义划分区间：

plt.figure(figsize=(20,10))
matplotlib.rcParams['font.family'] = 'SimHei'
bins = np.linspace(0,1200,13).tolist()
bins.append(2500)
fre_tuple = plt.hist(id_array, bins=bins, color='steelblue', edgecolor='black', rwidth=0.8, orientation='horizontal')
plt.title('小区流量记录分布直方图', fontproperties='SimHei', fontsize=15)
plt.show()

在这里插入图片描述

修改后的 bins：
在这里插入图片描述

此时的区间间隔和频数：
在这里插入图片描述

5.添加数据标签

plt.figure(figsize=(20,10))
matplotlib.rcParams['font.family'] = 'SimHei'
fre_tuple = plt.hist(id_array, bins=20, color='steelblue', edgecolor='black', rwidth=0.8, orientation='horizontal')
plt.title('小区流量记录分布直方图', fontproperties='SimHei', fontsize=15)
x_loc = fre_tuple[0] # 频数
y_loc = fre_tuple[1] # 分割区间
for x,y in zip(x_loc,y_loc):
	# text：在指定位置上显示文本
    plt.text(x+2500, y+25, '%.0f' % x, ha='center', va= 'bottom',fontsize=15)
    # x，y 加上的数值可以自己结合要绘制的图形设定，用来调整标签的显示位置
plt.show()

在这里插入图片描述