数据可视化实现与分析基础--直方图

最新推荐文章于 2024-12-23 08:00:00 发布

原创

最新推荐文章于 2024-12-23 08:00:00 发布 · 1.7k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#数据可视化

本文介绍了数据可视化的常用图形，包括折线图、散点图和直方图，并重点讲解了如何使用matplotlib.pylab模块中的hist方法绘制直方图。在绘制直方图前，提到了正太分布的概念，利用numpy.random.normal生成正态分布数据。还展示了如何限制直方图数据范围和调整步长，并通过subplot方法创建多子图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

常用的可视化图形有折线图，散点图，直方图
绘图使用到的模块为 matplotlib.pylab
绘制折线图和散点图使用plot方法，绘制直方图使用hist方法

在绘图之前我们现补充一点关于正太分布的知识点
如果想生成一组正太分布的数据，我们可以使用numpy模块下的random包下的normal（）方法
normal（均数，西格玛，要生成数据的个数），返回一个list列表，注意，西格玛越小，正太分布越平陡峭，洗个西格玛越大正太分布越平缓
上代码：

import matplotlib.pylab as pyl
import numpy
"""
如果我们要生成正太分布的随机数,我们可以用numpy下的random.normal()
方法,normal(均数,西格玛,要生成随机数的个数),注意西格玛越小,分布
越陡峭,越大越平缓
"""
normal_list = numpy.random.normal(5.0,0.5,10)
print(normal_list)

这里写图片描述