本文主要是介绍python统计分析——直方图（plt.hist），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
使用matplotlib.pyplot.hist()函数绘制直方图
from matplotlib.pyplot as pltdata_set=np.array([2,3,3,4,4,4,4,5,5,6])
plt.hist(fish_data)
下面介绍plt.hist()函数中常用的几个重要参数（参数等号后为默认设置）：
（1）x，表示一组数据，即需要制作直方图的一组数据。 （2）bins=None，表示数据桶的数目，即直方图呈现出的数据组数。当bins为一个整数时，表示需要分组的数目，具体如何确定分组数量，可以参考：excel统计分析——正态性检验（直方图）_正态性检验 excel-CSDN博客
当bins为一个数据序列时，表示用于分组的临界值。举例说明：当bins=[1,2,3,4]时，用于分组的区间为：[1,2)、[2,3)、[3,4]。
当bins为文本时，表示作图时的分组策略，可用选项具体有：'auto', 'fd', 'doane','scott', 'stone', 'rice', 'sturges', 'sqrt'。下图为“rice”分组策略为例，其余的可以自行尝试。
（3）range=None，表示参与制作直方图的数据的上下限，None表示所有数据。如果需要设置上下限，数据需要用元组格式即(min,max)。小于下限值的数据和大于上限值的数据在作图时将被剔除。如下图，设置上下限为3和5，则数据2和数据6则被剔除。
（4）density=False, 表示直方图显示的数据是频数还是频率。默认为频数，若设置density=True，则表示为频率。下图显示的频率（注意对比纵坐标轴的变化）。
（5）weights=None, 表示对数据设置权重，要求权重的序列与数据源x的序列大小一致。下图是将数值6的权重设置为10的效果。
（6）cumulative=False, 如果设置为True表示直方图为累计统计数据。显示如下：
（7）bottom=None, 如果bottom为一个整数，表示直方图的绘图基线此数值，统一在此数值上进行累加，默认此数值为0。如果设置为序列，则各数据桶按照各自的绘制基线进行累加。下图表示，第一组数据的基线为2，其他组数据的基线为0，效果如下：
（8）histtype='bar', 表示直方图的展现形式，有4个备选项：'bar', 'barstacked', 'step', 'stepfilled'。下图为设置"step"类型，其余类型自行测试。
（9）align='mid', 默认为‘mid’表示数据桶显示的位置以组中值为中心；若为left，表示数据桶显示的位置以组的下限值为中心；若为right，数据桶显示的位置以组的上限为中心。这里不再演示。 （10）orientation='vertical', 默认是垂直方向作图，当设置为horizontal时，为水平分布作图。
（11）rwidth=None, 设置各组的相对宽度。下图表示第一组数据为正常宽度，其他组数据为正常宽度的80%。
（12）log=False, 表示是否需要对数据进行对数转换。 （13）color=None, 设置的数据桶的颜色。
这篇关于python统计分析——直方图（plt.hist）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
