matplotlib繪制直方圖的基本配置(萬(wàn)能模板案例)

更新時(shí)間：2022年04月13日 09:34:29 作者：王小王-123

本文主要介紹了matplotlib繪制直方圖的基本配置(萬(wàn)能模板案例)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

直方圖介紹
繪制直方圖的參數(shù)（plt.hist（））
連接數(shù)據(jù)庫(kù)進(jìn)行直方圖繪制案例
使用dataframe里面的plot函數(shù)進(jìn)行繪制（萬(wàn)能模板）
繪制多個(gè)子圖（多子圖直方圖案例模板）
概率分布直方圖（統(tǒng)計(jì)圖形）
直方圖內(nèi)顯示折線(xiàn)圖分布
堆疊面積直方圖
在不同的子圖中繪制各種類(lèi)犯罪數(shù)據(jù)的數(shù)值分布
其他案例

乘客年齡分布頻數(shù)直方圖
男女乘客直方圖（二維數(shù)據(jù)）
電影時(shí)長(zhǎng)分布直方圖

直方圖介紹

直方圖(Histogram)，又稱(chēng)質(zhì)量分布圖，是一種統(tǒng)計(jì)報(bào)告圖，由一系列高度不等的縱向條紋或線(xiàn)段表示數(shù)據(jù)分布的情況。一般用橫軸表示數(shù)據(jù)類(lèi)型，縱軸表示分布情況。

直方圖是數(shù)值數(shù)據(jù)分布的精確圖形表示。這是一個(gè)連續(xù)變量（定量變量）的概率分布的估計(jì)，并且被卡爾·皮爾遜（Karl Pearson）首先引入。它是一種條形圖。

為了構(gòu)建直方圖，第一步是將值的范圍分段，即將整個(gè)值的范圍分成一系列間隔，然后計(jì)算每個(gè)間隔中有多少值。這些值通常被指定為連續(xù)的，不重疊的變量間隔。間隔必須相鄰，并且通常是（但不是必須的）相等的大小。

直方圖也可以被歸一化以顯示“相對(duì)”頻率。然后，它顯示了屬于幾個(gè)類(lèi)別中的每個(gè)案例的比例，其高度等于1。

繪制直方圖的參數(shù)（plt.hist（））

通常而言，繪制直方圖有很多種方法，比如采用matplotlib里面的模塊進(jìn)行繪制，也可以是pandas里面的圖形進(jìn)行繪制，也可以使用Python里面其他的統(tǒng)計(jì)繪圖模塊進(jìn)行繪制圖形，總而言之，想要圖形展示的美觀(guān)，那么就需要自己配置，也就是說(shuō)模板固然重要，但是如果不懂原理的進(jìn)行搬運(yùn)和借用，反而效果不是很好！

連接數(shù)據(jù)庫(kù)進(jìn)行直方圖繪制案例

# -*- coding: utf-8 -*-
 
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['axes.unicode_minus']=False       #正常顯示負(fù)號(hào)
 
import pymysql
 
 
#連接MySQL數(shù)據(jù)庫(kù)
v1 = []
v2 = []
db = pymysql.connect(host='127.0.0.1', port=3306, database='mydb',user='root',password='root')
cursor = db.cursor()
 
#讀取訂單表數(shù)據(jù)，統(tǒng)計(jì)每日利潤(rùn)額
sql_str = "SELECT order_date,ROUND(SUM(profit)/10000,2) FROM orders WHERE FY=2019 GROUP BY order_date"
cursor.execute(sql_str)
result = cursor.fetchall()
for res in result:
    v1.append(res[0])  # order_date
    v2.append(res[1])  # sum_profit_by_order_date 每日利潤(rùn)額
 
plt.figure(figsize=(10,5))         #設(shè)置圖形大小
cs,bs,bars = plt.hist(v2, bins=20, density=False, facecolor="cyan", edgecolor="black", alpha=0.7)
width = bs[1]-bs[0]
for i,c in enumerate(cs):
    plt.text(bs[i]+width/3,c,round(c))
 
# 返回一個(gè)counts數(shù)組，一個(gè)bins數(shù)組和一個(gè)圖形對(duì)象
# 顯示橫軸標(biāo)簽
plt.xlabel("區(qū)間",fontdict={'family':'Fangsong','fontsize':15})
# 顯示縱軸標(biāo)簽
plt.ylabel("頻數(shù)",fontdict={'family':'Fangsong','fontsize':15})
# 顯示圖標(biāo)題
plt.title("利潤(rùn)額分布直方圖",fontdict={'family':'Fangsong','fontsize':20})
plt.show()

使用dataframe里面的plot函數(shù)進(jìn)行繪制（萬(wàn)能模板）

一般而言，我們導(dǎo)入數(shù)據(jù)的時(shí)候，大概率都是基于表數(shù)據(jù)進(jìn)行可視化的，很少使用那些自主獨(dú)立的數(shù)據(jù)進(jìn)行繪制，如果是那種數(shù)據(jù)，很多人都會(huì)去使用origin這個(gè)繪圖軟件了，程序繪圖最大的好處就是不需要對(duì)數(shù)據(jù)結(jié)果進(jìn)行輸出，輸入，這樣在很大程度上減少了我們的時(shí)間，提高了我們的工作效率。

# 使用DataFrame的plot函數(shù)畫(huà)圖
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties 
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 設(shè)置全局字體為中文 楷體
plt.rcParams['axes.unicode_minus']=False       #正常顯示負(fù)號(hào)
plt.figure(dpi=130)
datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()
data.plot(kind='hist',bins=20,figsize=(15,5),color='y',alpha=0.5,edgecolor='c',histtype='bar')
 
 
plt.xlabel("區(qū)間",fontdict={'family':'Fangsong','fontsize':15})
plt.ylabel("頻數(shù)",fontdict={'family':'Fangsong','fontsize':15})
plt.title("利潤(rùn)額分布直方圖",fontdict={'family':'Fangsong','fontsize':20},y=1.03)
 
# 設(shè)置圖形上的各類(lèi)主題值
plt.suptitle('直方圖案例',size=22,y=1.05)
plt.title("繪制日期：2022年   昵稱(chēng)：王小王-123", loc='right',size=12,y=1.03)
 
plt.title("主頁(yè)：https://blog.csdn.net/weixin_47723732", loc='left',size=12,y=1.03)
 
plt.show()

繪制多個(gè)子圖（多子圖直方圖案例模板）

plt.tight_layout() # 自動(dòng)緊湊布局，避免遮擋

是很重要的一個(gè)參數(shù)，一般是在結(jié)尾出添加這個(gè)參數(shù)

import pandas as pd
 
datafile = r'../data/orders.csv'
data = pd.read_csv(datafile).query("FY==2019").groupby('ORDER_DATE')[['PROFIT']].sum()
 
fig = plt.figure(figsize=(10,5),dpi=130)  # 生成畫(huà)布
 
# 生成子圖1
ax1 = plt.subplot(121)  # 1行2列中的第1個(gè)
plt.title("CSDN博客專(zhuān)家", loc='left',size=12,y=1.03) #添加備注
 
# 生成子圖2
ax2 = plt.subplot(122)  # 1行2列中的第2個(gè)
 
# 設(shè)置圖形上的各類(lèi)主題值
plt.title("王小王-123", loc='right',size=12,y=1.03)#添加備注
 
 
#df.plot使figure級(jí)別的繪圖函數(shù)，默認(rèn)會(huì)生成新的figure，可以通過(guò)ax參數(shù)指定繪圖的坐標(biāo)子圖
data.plot(kind='hist',bins=20,color='c',alpha=0.5,edgecolor='c',histtype='bar',ax=ax1,figure=fig)  # 指定這個(gè)圖畫(huà)到ax1中
#plt.xlabel("區(qū)間",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_xlabel("區(qū)間",fontdict={'family':'Fangsong','fontsize':15})
#plt.ylabel("頻數(shù)",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_ylabel("頻數(shù)",fontdict={'family':'Fangsong','fontsize':15})
ax1.set_title("cyan")
#print(ax1.get_xticks())
 
data.plot(kind='hist',bins=20,color='y',alpha=0.5,edgecolor='y',histtype='bar',ax=ax2,figure=fig) # 指定這個(gè)圖畫(huà)到ax2中
# plt.xlabel = plt.gca().set_xlabel()  plt. 獲取“當(dāng)前”的坐標(biāo)子圖，需要小心執(zhí)行的位置
plt.xlabel("區(qū)間",fontdict={'family':'Fangsong','fontsize':15})
plt.ylabel("頻數(shù)",fontdict={'family':'Fangsong','fontsize':15})
plt.title("yellow")                                                        # subplot的標(biāo)題
 
plt.suptitle("利潤(rùn)額分布直方圖",fontdict={'family':'Fangsong','size':22})  # figure的標(biāo)題
plt.tight_layout() # 自動(dòng)緊湊布局，避免遮擋
plt.show()

概率分布直方圖（統(tǒng)計(jì)圖形）

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
 
#概率分布直方圖
#高斯分布
#均值為0
mean = 0
#標(biāo)準(zhǔn)差為1，反應(yīng)數(shù)據(jù)集中還是分散的值
sigma = 1
x=mean+sigma*np.random.randn(10000)
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))
#第二個(gè)參數(shù)是柱子寬一些還是窄一些，越大越窄越密
ax0.hist(x,40,density=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)  # histtype返回一組bar的數(shù)組
##pdf概率分布圖，一萬(wàn)個(gè)數(shù)落在某個(gè)區(qū)間內(nèi)的數(shù)有多少個(gè)
ax0.set_title('pdf')
ax1.hist(x,20,density=1,histtype='stepfilled',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) # 返回的一條step線(xiàn)，cumulative=True數(shù)值的累積的
#cdf累計(jì)概率函數(shù)，cumulative累計(jì)。比如需要統(tǒng)計(jì)小于5的數(shù)的概率
ax1.set_title("cdf")
fig.subplots_adjust(hspace=0.4)
plt.show()

直方圖內(nèi)顯示折線(xiàn)圖分布

import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
mpl.rcParams['font.sans-serif']=['SimHei']     #顯示中文
plt.rcParams['font.sans-serif'] = 'KaiTi' # 設(shè)置全局字體為中文 楷體
plt.rcParams['axes.unicode_minus']=False       #正常顯示負(fù)號(hào)
plt.figure(figsize=(17,8),dpi=120)
 
import numpy as np
from scipy.stats import norm
np.random.seed(10680801)
mu=100
sigma=15
x=mu+sigma*np.random.randn(500)
num_bins=60
fig,ax=plt.subplots()
#fig,ax=plt.subplots(ncols=2)
#ax1 = ax[0]
#ax2 = ax[1]
n,bins,patches=ax.hist(x,num_bins,density=True)
y=norm.pdf(bins,mu,sigma)
ax.plot(bins,y,'--')
ax.set_xlabel('IQ')
ax.set_ylabel('概率密度')
ax.set_title(r'智商分布情況直方圖')
fig.tight_layout()

堆疊面積直方圖

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
fig,ax=plt.subplots()
 
ax.hist(crime["robbery"],bins=12,histtype="bar",alpha=0.6,label="robbery",stacked=True)
ax.hist(crime["aggravated_assault"],bins=12,histtype="bar",alpha=0.6,label="aggravated_assault",stacked=True)
ax.legend()
ax.set_xticks(np.arange(0,721,60))
ax.set_xlim(0,720)
ax.set_yticks(np.arange(0,21,4))
plt.show()

在不同的子圖中繪制各種類(lèi)犯罪數(shù)據(jù)的數(shù)值分布

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
crime=pd.read_csv(r"http://datasets.flowingdata.com/crimeRatesByState2005.csv")
 
crime = crime.query("state!='United States'").query("state!='District of Columbia'")
 
plt.figure(figsize=(10,5),dpi=120)
nrows=2
ncols=4
n = np.arange(nrows*ncols)+1
for i in n:
    ax = plt.subplot(nrows,ncols,i)
    ax.hist(crime.iloc[:,i])
    ax.set_title(crime.columns[i])
 
plt.suptitle("各種類(lèi)犯罪數(shù)據(jù)的數(shù)值分布",y=1.02)
plt.tight_layout()

其他案例

乘客年齡分布頻數(shù)直方圖

# 導(dǎo)入第三方庫(kù)
import pandas as pd
import matplotlib.pyplot as plt
 
# 設(shè)置中文
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創(chuàng)建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 準(zhǔn)備數(shù)據(jù)(讀取Titanic數(shù)據(jù)集)
titanic = pd.read_csv(r'E:\PythonData\exercise_data\train.csv')
 
# 檢查年齡是否有缺失
any(titanic.Age.isnull())
 
# 刪除含有缺失年齡的觀(guān)察
titanic.dropna(subset=['Age'], inplace=True)
 
# 繪圖：乘客年齡的頻數(shù)直方圖
plt.hist(titanic.Age, # 繪圖數(shù)據(jù)
        bins = 20, # 指定直方圖的條形數(shù)為20個(gè)
        color = 'steelblue', # 指定填充色
        edgecolor = 'k', # 設(shè)置直方圖邊界顏色
        label = '直方圖'
        )# 為直方圖呈現(xiàn)標(biāo)簽
 
# 刻度設(shè)置
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
 
# 添加描述信息
plt.xlabel('年齡：歲',fontsize=20)
plt.ylabel('人數(shù)：個(gè)',fontsize=20)
plt.title('乘客年齡分布',fontsize=20)
 
# 顯示圖形
plt.show()

男女乘客直方圖（二維數(shù)據(jù)）

設(shè)置了組距和其他的參數(shù)

# 導(dǎo)入庫(kù)
import matplotlib.pyplot as plt
import numpy as np
 
# 設(shè)置字體
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創(chuàng)建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 提取不同性別的年齡數(shù)據(jù)
age_female = titanic.Age[titanic.Sex == 'female']
age_male = titanic.Age[titanic.Sex == 'male']
 
# 設(shè)置直方圖的組距
bins = np.arange(titanic.Age.min(), titanic.Age.max(), 2)
 
# 男性乘客年齡直方圖
plt.hist(age_male, bins = bins, label = '男性',edgecolor = 'k', color = 'steelblue', alpha = 0.7)
 
# 女性乘客年齡直方圖
plt.hist(age_female, bins = bins, label = '女性',edgecolor = 'k', alpha = 0.6,color='r')
 
# 調(diào)整刻度
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
 
# 設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題
plt.title('男女乘客年齡直方圖',fontsize=20)
plt.xlabel('年齡',fontsize=20)
plt.ylabel('人數(shù)',fontsize=20)
 
# 去除圖形頂部邊界和右邊界的刻度
plt.tick_params(top='off', right='off')
 
# 顯示圖例
plt.legend(loc='best',fontsize=20)
 
# 顯示圖形
plt.show()

電影時(shí)長(zhǎng)分布直方圖

# 導(dǎo)入庫(kù)
import matplotlib.pyplot as plt
 
# 設(shè)置字體
plt.rcParams['font.sans-serif'] = ['SimHei']
 
# 創(chuàng)建圖形
plt.figure(figsize=(20,8),dpi=80)
 
# 準(zhǔn)備數(shù)據(jù)
time=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,
   134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,
   137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,
   132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,
   123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111, 100,154,136,100,118,119,133,134,106,129,126,110,111,109,
   141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,
   117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146, 133,101,131,116,
   111, 84,137,115,122,106,144,109,123,116,111,111,133,150]
# 設(shè)置組距
bins=2
 
groups = int((max(time)-min(time))/bins)
 
# 繪制直方圖
plt.hist(time,groups,color='b',
            edgecolor = 'k',
        density = True) # 指定直方從圖的邊界色)
 
# 調(diào)整刻度
plt.xticks(list(range(min(time),max(time)))[::2],fontsize=15)
plt.yticks(fontsize=15)
 
# 添加描述信息
plt.xlabel('電影時(shí)長(zhǎng)：分鐘',fontsize=20)
plt.ylabel('電影數(shù)量占比',fontsize=20)
 
# 增加網(wǎng)格
plt.grid(True,linestyle='--',alpha=1)
 
# 添加標(biāo)題
plt.title('電影時(shí)長(zhǎng)分布直方圖',fontsize=20)
 
plt.show()