Python matplotlib绘制电影时长频数分布直方图实战

周末不加班

发布时间：2026-10-13| 5人浏览过

原创

本文通过统计250部电影时长的实例，详解如何使用Python matplotlib库绘制频数分布直方图。重点讲解组距、组数的计算逻辑，以及plt.hist()函数的参数配置，包括如何设置中文显示、调整图片尺寸及网格透明度，帮助读者掌握数据分布可视化的核心技巧。

电影时长分布统计问题引入

假设我们获取了250部电影的时长数据（存储在列表a中），现在需要统计这些电影时长的分布状态，例如统计时长在100分钟到120分钟之间的电影数量及其出现的频率。面对这些数据，我们应如何有效地进行呈现？

在开始绘图前，需要明确几个关键概念：

首先需要确定将数据划分为多少个组进行统计。
组的数量需要适中：如果分组过少，会导致较大的统计误差；如果分组过多，则数据规律不明显。
组数是指将数据分组后，总共划分的组别数量。
组距是指每个小组两个端点之间的距离。
组数的计算公式为：极差除以组距，即（最大值 - 最小值）/ 组距。
关于频数分布直方图与频率分布直方图，在使用hist()方法时，若需绘制频率分布直方图，需增加normed参数（注：新版matplotlib中通常使用density参数，此处保留原文逻辑说明）。
需要注意的是，plt.hist()方法通常用于绘制未经统计的原始数据。如果数据已经经过统计处理，为了达到类似直方图的视觉效果，可以使用条形图plt.bar()方法来绘制，但这部分处理过程会相对复杂一些。

matplotlib直方图绘制代码实现


from matplotlib import pyplot as plt
import matplotlib
font = {'family': 'MicroSoft YaHei'}
matplotlib.rc('font', **font) # 使支持中文

a = [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]
# 计算组数
d = 3 # 组距
num_bins = (max(a) - min(a)) // d # 计算组距的公式
plt.figure(figsize=(20, 8), dpi=80) # 设置图片大小
plt.hist(a, num_bins) # 加上normed=True属性之后变为频率分布直方图
# 设置x轴的刻度
plt.xticks(range(min(a), max(a)+d, d))
plt.grid(alpha=0.3)
plt.show()

以下是具体的代码实现与效果图展示。