你瞭解matplotlib嗎？直方圖基礎篇

​ 首先按照慣例先來認識下直方圖是誰，以下是從維基百科搬運過來的直方圖的定義：

​ 在統計學中，直方圖（英語：Histogram）是一種對數據分佈情況的圖形表示，是一種二維統計圖表，它的兩個座標分別是統計樣本和該樣本對應的某個屬性的度量，以長條圖（bar）的形式具體表現。因爲直方圖的長度及寬度很適合用來表現數量上的變化，所以較容易解讀差異小的數值。

直方圖也是用條形進行標註的，而條形圖和直方圖猶如孿生兄弟般讓很多人都傻傻分不清，那麼我們就先來好好區分一下這兩種圖形吧：

• 條形圖是用條形的長度表示各類別頻數的多少，而寬度（表示類別）是固定的，沒有實際的數值意義。

• 直方圖是用面積表示各組頻數的多少，條形的長度表示每一組的頻數或頻率，條形的寬度表示各組的組距，所以直方圖中條形的長度和寬度都是有實際的數值意義的。

• 條形圖描述分類變量，直方圖描述數值變量。

• 由於分組數據具有連續性，直方圖的各矩形通常是連續排列，而條形圖則是分開排列的。

單純文字不夠直觀的話，我們來個圖感受下：

繪製直方圖

區分好了條形圖和直方圖，就可以安心的探索直方圖了。

假設我們有一組數據，是一個學校200位同學的身高數據，如果想要知道該校學生身高的分佈，那麼直方圖再合適不過了。

這裏我用隨機數生成了200個值在150到180之間的數表示身高信息：

data = np.random.randint(150,180,200)
data

輸出的結果：

array([162, 166, 158, 166, 165, 170, 157, 156, 164, 161, 154, 176, 166,
       176, 153, 169, 164, 153, 171, 175, 171, 173, 155, 165, 168, 160,
       162, 150, 151, 169, 166, 152, 174, 176, 160, 155, 158, 152, 159,
       179, 179, 168, 178, 166, 174, 171, 167, 166, 165, 163, 164, 153,
       153, 153, 162, 167, 169, 155, 155, 175, 161, 151, 173, 154, 151,
       151, 166, 168, 167, 173, 166, 164, 175, 172, 163, 175, 154, 169,
       160, 174, 163, 167, 156, 154, 157, 169, 160, 176, 150, 154, 158,
       167, 164, 153, 152, 165, 165, 160, 167, 161, 164, 177, 177, 159,
       161, 171, 169, 150, 165, 156, 156, 155, 165, 164, 179, 164, 179,
       155, 172, 151, 178, 171, 164, 165, 161, 166, 170, 175, 163, 163,
       179, 175, 173, 150, 171, 150, 178, 175, 152, 176, 168, 150, 172,
       166, 176, 170, 174, 174, 152, 158, 171, 165, 167, 152, 163, 167,
       164, 151, 174, 169, 169, 166, 167, 168, 179, 160, 179, 156, 168,
       168, 172, 175, 160, 165, 160, 161, 164, 179, 158, 176, 175, 154,
       167, 159, 153, 169, 151, 158, 163, 169, 155, 165, 178, 151, 168,
       164, 169, 177, 150, 169])

以上就是200位同學的身高信息了，存儲在一個數組中。

如果是常見的查看分佈，直方圖很容易繪製，這裏我們通過這組數據探索下直方圖函數中各個參數的作用，以更遊刃有餘的繪製符合需求的直方圖。

bins參數

bins參數指的是要將數據分成幾組，它接收的參數可以是整數，也可以是序列，還可以是字符串，常用的是整數和序列。

• 如果是整數n，則表示要將所有數據平均分成n組進行繪圖

• 如果是序列，則是指定每一組的臨界值

通過代碼來看一下區別：

fig = plt.figure(figsize=(16,4))

pic1 = fig.add_subplot(131)
plt.hist(data)
plt.title("bins默認10")

pic2 = fig.add_subplot(132)
plt.hist(data,bins = 15) 
plt.title("bins = 15")

pic3 = fig.add_subplot(133)
plt.hist(data,bins = [150,153,156,159,162,165,168,171,174,179])
plt.title("bins取值爲序列");

​ 能夠看出即使是同一個數據集，分組的情況不同，呈現出來的分佈也是有區別的，所以如何分組分成幾組也是有學問的。

​ 如果傳給參數的是序列，則表示將每個分組的臨界值都標識出來，缺點是比較麻煩，優點是很靈活，可以自主決定每個組的組距，每個組的組距都可以是不同的，如果分5組記得需要的臨界值是6個，參數序列中需要有6個數值。

range參數

​ 一般繪製直方圖，都是對整個數據集繪製，有時候可能會有這樣的需求，比如我想看該校中身高在155cm到175cm之間的身高分佈，那麼就需要將整個數據集中符合要求的身高挑選出來繪製直方圖，實際上不用這麼麻煩，用range參數就可以解決，這個參數就是指定繪圖時使用數據的範圍的，它接收的是一個元組，元組中放入兩個數值表示所取數據的範圍。

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) 
plt.title('range默認None')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,range=(155,175)) #設置範圍從155-175
plt.title('range=(155,175)');

能夠看到x軸的數值範圍發生了變化，整個直方圖的形狀也發生了變化。

density參數

​ 這個參數的意思其實很直觀，參數名字直譯成中文就是密度的意思。普通的直方圖y軸表示的都是頻數，而通過density參數可以將y軸轉化成密度刻度，這個參數接收布爾值，默認爲None。

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) #y軸表示計數
plt.title('density默認None')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10, density=True) 
# density=True 將原本y軸的計數轉換成概率密度的計數，直方圖下面積爲1
plt.title('density=True');

​ 雖然兩個圖的形狀是完全一模一樣的，但是細看就能發現y軸的數值不一樣，具體的參數作用已經以備註的形式標註到代碼中了哦。

​ 這裏涉及到了另一個參數normed，這個參數已經被棄用了，它的作用和density一樣，只用density就可以了，

weights參數

​ 大家對這個參數應該不陌生，它經常出現，表示權重。沒錯在這裏也是表示設置權重。它接收的是一個序列，序列中是數值，數值的數量和原數據集中元素的個數一致，也就是每個數值都有自己單獨的權重，我用隨機數生成了200個數值作爲權重傳給參數，看一下和不設置權重時有哪些變化。

x0=np.random.rand(200)#生成總和爲1的200個數,設置隨機權重
ratio=1/sum(x0)
x1=x0*ratio

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) 
plt.title('weights默認None')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,weights=x1) 
plt.title('設置weights');

​ 當所有元素的權重都一樣時是第一幅圖的情況，而進行權重設置後，分佈情況發生了變化，而且y軸也發生了變化，不再是單純的計數。在實際工作中要謹慎使用權重，以符合業務需求爲主哈。

cumulative參數

​ 如果英文比較好的人們，一眼就能看出這個參數的作用，直譯成中文就是累積的意思。到這裏又出現了一個小問題，很多人對“累積”和“累計”又傻傻分不清了，其實這兩者還是很容易區分的，看下圖特別直觀：

​ 是不是能直觀區分“累積”和“累計”了？

​ 那就繼續探索cumulative參數吧，這個參數接收布爾值，默認爲False，通過代碼來看一下參數設置不同都有怎樣的結果。

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) 
plt.title('cumulative默認False')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,cumulative=True) #累積直方圖，展示累積分佈
plt.title('cumulative=True');

​ 左邊時普通的直方圖，右邊時累積直方圖，同樣可以根據實際的業務需求來進行參數設置哦。

​ 由於篇幅有限，對直方圖函數的介紹就先到這裏啦。細心的小夥伴可能發現了介紹參數的順序就是按照函數官方文檔中參數的順序來的，沒錯，就是按照這個順序進行的。但是參數中的第一個參數x卻沒有進行介紹，是這個參數沒什麼可介紹的嘛？當然不是，這個參數也是有些小細節需要注意的，具體的講解留到下一篇文章和其他參數一起介紹啦。