学习python库matplotlib之常见统计直方图(histogram)(5)

直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

1 直方图基本知识

首先要对数据进行分组，然后统计每个分组内数据元的数量。 在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。

• 组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数
• 组距：每一组两个端点的差

2 与柱状图对比

• 柱状图是以矩形的长度表示每一组的频数或数量，其宽度(表示类别)则是固定的，利于较小的数据集分析。
• 直方图是以矩形的长度表示每一组的频数或数量，宽度则表示各组的组距，因此其高度与宽度均有意义，利于展示大量数据集的统计结果。
• 由于分组数据具有连续性，直方图的各矩形通常是连续排列，而柱状图则是分开排列

3 直方图API - matplotlib.pyplot.hist()

matplotlib.pyplot.hist(x, bins=10, range=None,normed=False, weights=None, cumulative=False,bottom=None, histtype=‘bar’, align=‘mid’,orientation=u’vertical’, rwidth=None, log=False,color=None, label=None, stacked=False, hold=None,**kwargs)

• x: 一个列表或者多个列表（表示不同数据集，长度可以不一致）
• range: 元组
• weights: x里每个元素对bin高度的贡献（默认为1）
• bottom: 数字或者长度为bins的列表
• histtype: [‘bar’ | ‘barstacked’ | ‘step’ | ‘stepfilled’]
• align: [‘left’ | ‘mid’ | ‘right’]
• orientation: [‘horizontal’ | ‘vertical’]
• rwidth: bar相对bin的宽度
• color: 一种颜色或者颜色列表（针对不同数据集）

4 绘制直方图

def MyHist():
    """
    绘制直方图
    :return:
    """
    import matplotlib.pyplot as plt
    import matplotlib as mpl
    import numpy as np
    # 设置在jupyter中matplotlib的显示情况
    # % matplotlib inline

    # 解决中文显示问题
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False

    # 展现出10000个随机数满足 平均值是100 标准差是15 呈现的一个正态分布曲线
    mu, sigma = 100, 15
    x = mu + sigma * np.random.randn(10000)

    plt.hist(x, 100, normed=1, facecolor='g', alpha=0.75)

    plt.title('直方图')
    plt.text(60, 0.025, r'$\mu=100,\sigma=15$')  # 添加文本
    plt.axis([40, 160, 0, 0.03])
    plt.grid(True)
    plt.show()

MyHist()

5 直方图的应用场景

• 用于表示分布情况
• 通过直方图还可以观察和估计哪些数据比较集中，异常或者孤立的数据分布在何处

例如：用户年龄分布，商品价格分布

以上内容仅是代表个人总结 若有错误之处,还请批评指正,欢迎大家一起学习!