python数据可视化 | 绘制直方图实战-随机生成80万个数据展示数据分布区域变化

 

相关依赖库

 1# -*- coding: UTF-8 -*-
 2
 3'''
 4直方图
 5'''
 6# matplotlib 数据可视化库
 7
 8import matplotlib.pyplot as plt
 9
10# numpy 科学计算库
11
12import numpy as np

hist()函数说明

 1# def hist(
 2
 3#         x, bins=None, range=None, density=False, weights=None,
 4
 5#         cumulative=False, bottom=None, histtype='bar', align='mid',
 6
 7#         orientation='vertical', rwidth=None, log=False, color=None,
 8
 9#         label=None, stacked=False, *, data=None, **kwargs):
10
11'''
12
13常规参数详情
14
15x:自定义x轴刻度,没有在定义在数据区间中的数据将不会出现
16
17data:基本绘图数据
18
19range:过滤不需要出现的数据
20
21bins:直方图的长条数目,默认为10,可根据分布情况自定义
22
23facecolor:设置直方图的颜色
24
25edgecolor:设置直方图的边框的颜色
26
27color:设置直方图颜色
28
29alpha:设置直方图透明度
30
31'''

 

直方图绘制实例

 1# 设置中文
 2
 3plt.rcParams['font.sans-serif']=['SimHei']
 4
 5# 设置正负号正常显示
 6
 7plt.rcParams['axes.unicode_minus']=False
 8
 9# 常规绘制,[1,2,3,4,5,6,7,8,9,10]既是数据也是x刻度区间
10
11# plt.hist([1,2,3,4,5,6,7,8,9,10])
12
13# 添加x刻度
14
15# plt.hist((1,2,3,4),data=[1,2,3,4,5,6,7,8,9,10])
16
17# 根据图形条数表示刻度
18
19# plt.hist([1,2,3,4,5,6,7,8,9,10], bins=40)
20
21# 设置颜色透明度等信息
22
23# plt.hist([1,2,3,4,5,6,7,8,9,10], bins=40, facecolor="blue", edgecolor="black", alpha=0.7)
24
25# range过滤不符合要求的数据
26
27# plt.hist(data=[1,2,3,4,5,6,7,8,9,10], bins=40, facecolor="blue", edgecolor="black", alpha=0.7,range=range(10))
28
29# 随机生成一定数量的数据
30
31data_array = np.random.randn(800000)
32
33# 绘制直方图
34
35plt.hist(data_array, bins=40, facecolor="green", edgecolor="black", alpha=0.7)
36
37# 设置横轴标签
38
39plt.xlabel("区间刻度")
40
41# 设置纵轴标签
42
43plt.ylabel("数据分布")
44
45# 显示图标题
46
47plt.title("直方图")
48
49plt.show()

效果展示

 

 

▼往期精彩回顾▼

python数据可视化 | 采集到视图数据后，轻松使用matplotlib绘制成横向、纵向条形图！

python知识巩固 | 自定义日志模块封装，将日志格式化打印到控制台或是输出到文件？

python数据可视化 | matplotlib.pyplot()函数绘制散点图python数据可视化 | matplotlib.pyplot()函数绘制线形图，感受数据直观变化python数据可视化 | matplotlib.pyplot()函数绘制饼图python数据可视化 | DataFrame.plot()函数绘制数据图趣味python | 一步一步绘制小猪佩奇pandas数据分析 | pandas.DataFrame数据修改、索引设置、数据组合python数据分析 | pandas.DataFrame基本聚合函数统计数据python数据分析 | pandas.DataFrame基本数据提炼与处理python数据分析 | 多种方式获取pandas.DataFrame数据对象python数据分析 | 重新认识数据分析中的三剑客？

标签：10,None,python,hist,直方图,数据分布,数据
来源： https://blog.51cto.com/u_14128936/2984221