Python生成直方图方法实现详解

1. 引言

你是否了解如何在Python中绘制直方图？本文将为你演示具体的实现步骤。

直方图是数值数据分布的直观表示，通过不同高度的条形展示数据在不同区间内的频率。在Python中，主要可以使用Matplotlib和Pandas这两个模块来绘制直方图。

接下来，我们直接进入实操环节。

2. 生成数据

首先，利用NumPy库创建虚拟数据。NumPy是Python中处理多维数组的核心库。我们将使用以下代码从正态高斯分布中生成随机样本数据，具体代码如下：

import numpy as np
# Create dummy data points
data = np.random.normal(170, 10, 250)
print(data)

上述代码的运行输出结果如下：

[178.6389057 160.71481129 176.06380975 170.26836416 168.64962801 167.77093268 189.89642816 167.57947841 187.95156914 185.14287433 173.77094473 181.96577219 171.40557555 168.42044648 181.90741839 182.15559495 151.58511408 165.68497833 163.91143081 170.86070342 165.91667438 177.44452444 161.35877875 170.74342034 161.41709815 187.54503422 160.61351112 177.18043424 180.366389 177.56347178 165.48898864 189.19288388 186.5750155 154.66924922 … 170.94541687]

随后，我们将利用生成的这些数据来绘制直方图。

3. 使用Matplotlib绘制直方图

假设你已经安装了numpy和Matplotlib库，接下来可以使用以下代码绘制最基础的直方图，代码示例如下：

import matplotlib.pyplot as plt
import numpy as np
data = np.random.normal(170, 10, 250)
plt.hist(data)
plt.show()

运行上述代码后的输出结果如下：

至此，我们已成功绘制出第一个直方图。

实际上，Matplotlib提供了丰富的参数选项来定制图形外观。我们可以利用这些参数使上述直方图更具可视化效果，具体代码如下：

import matplotlib.pyplot as plt
import numpy as np
data = np.random.normal(170, 10, 250)
plt.hist(data, bins= 20, color='green')
plt.show()

该代码的输出结果如下：

4. 使用Pandas绘制直方图

Python中的第三方库Pandas为高效处理大型数据集提供了必要工具。借助Pandas，我们可以轻松且高效地执行各类数据分析任务。

因此，我们也可以使用Pandas中的hist函数来绘制直方图，样例代码如下：

# import libraries
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# generate random data using NumPy
random_data = np.random.normal(170, 10, 250)
# convert the data into a Pandas DataFrame
dataframe = pd.DataFrame(random_data)
# plot histogram using Pandas hist() function
dataframe.hist()

最终的输出结果如下：

可以看出，可视化效果更加美观。

5. 总结

本文从直方图的基本概念入手，介绍了其用途。接着，我们使用NumPy生成虚拟数据，并分别通过Matplotlib和Pandas库绘制直方图，同时提供了相应的代码示例。

到此这篇关于Python生成直方图方法实现详解的文章就介绍到这了,更多相关Python直方图内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！