使用Python的函数绘制直方图

直方图是一个统计图表，用于表示一组连续分布的数据的频率分布。它能够显示数据的分布方式，有助于我们进行数据分析和判断。在Python中，可以使用matplotlib库的hist()函数绘制直方图。

hist()函数的基本结构为：

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

x：指定绘图数据；

bins：指定直方图中条形的个数；

range：指定直方图中的数据范围，若不指定，则默认为最大值和最小值的范围；

density：布尔值，表示是否绘制密度曲线，默认为False；

weights：权值，可为每一个数据点设置权值；

cumulative：布尔值，表示是否需要累计直方图，默认为False；

bottom：数据的起始位置，默认为0；

histtype：指定直方图的类型，默认为bar；

align：设置条形的对齐方式，默认为mid，即中间对齐；

orientation：设置直方图的方向，默认为vertical，即竖直方向；

rwidth：设置直方图条形宽度的占比，默认为1；

log：布尔值，表示Y轴是否需要使用对数刻度，默认为False；

color：指定直方图的颜色；

label：设置图例；

stacked：布尔值，表示是否堆叠直方图，默认为False。

绘制直方图的前提是有数据，接下来就介绍一下如何获取数据。

1、使用numpy库的random模块生成随机数组

import numpy as np

np.random.seed(10) # 将生成随机数生成器的种子设为10，这样每次运行程序时，生成的随机数值序列都是一样的

data = np.random.randn(1000) # 生成1000个符合标准正态分布的随机数

2、使用pandas库的read_csv()函数读取csv文件中的数据

import pandas as pd

data = pd.read_csv('data.csv', header=None)

data = data[0] # 读取第一列的数据

以上两种方式都可以获取到数据，将它们传入hist()函数即可绘制直方图。

下面是完整的代码：

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(10) # 将生成随机数生成器的种子设为10，这样每次运行程序时，生成的随机数值序列都是一样的

data = np.random.randn(1000) # 生成1000个符合标准正态分布的随机数

plt.hist(data, bins=50, color='steelblue', density=True)

plt.xlabel('Value')

plt.ylabel('Frequency')

plt.show()

在执行完以上代码后，会得到一张直方图，它显示了数据分布的情况，如下图所示。


可以看到，直方图中的每个条形代表一个数值区间，横轴表示数值区间，纵轴表示数据在相应的区间内出现的频数。我们可以看到，标准正态分布的数据呈钟形分布，且数据分布密度最大处位于均值附近，这也是正态分布的一个特征。

直方图是数据分析中经常用到的一种工具，能够直观地展示数据分布的情况，帮助我们理解数据和发现数据的规律，所以掌握直方图的绘制方法对于数据分析是非常重要的。