【Python菜鸟进阶大神】Matplotlib数据可视化005：直方图
前文回看：
【Python菜鸟进阶大神】Matplotlib数据可视化001：基础API汇总&散点图
【Python菜鸟进阶大神】Matplotlib数据可视化002：折线图
【Python菜鸟进阶大神】Matplotlib数据可视化003：条形图
【Python菜鸟进阶大神】Matplotlib数据可视化004：饼图
直方图用来描述连续变量（定量变量）的分布情况，横轴表示数据类型，纵轴表示分布情况
直方图的API：
hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False)
x：指定要绘制直方图的数据；
bins：指定直方图条形的个数；
range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值；
normed：是否将直方图的频数转换成频率；
weights：该参数可为每一个数据点设置权重；
cumulative：是否需要计算累计频数或频率；
bottom：可以为直方图的每个条形添加基准线，默认为0；
histtype：指定直方图的类型，默认为bar，除此还有’barstacked’,‘step’, ‘stepfilled’；
align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’；
orientation：设置直方图的摆放方向，默认为垂直方向；
rwidth：设置直方图条形宽度的百分比；
log：是否需要对绘图数据进行log变换；
color：设置直方图的填充色；
label：设置直方图的标签，可通过legend展示其图例；
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放；
首先，我们加载数据：
数据来源：https://pan.baidu.com/s/1lEV_mMQZVPCrShH9ku_TYw（d6gr）
# 引入模块import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as plt# 中文乱码和坐标轴负号的处理plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']plt.rcParams['axes.unicode_minus'] = False# 加载数据path="C:/Users/Administrator/Desktop/exercise_data/train.csv"df=pd.read_csv(path)df.head()df["Age"].isnull() #检查age变量是否含有缺失值df.dropna(subset=["Age"],inplace=True) # 删除掉age列含有缺失值对应的所有行
plt.hist(df["Age"], #绘图数据 bins=20, #多少个条 color="blue", #颜色 label="年龄", #标签，用以图例legend histtype="bar", #直方图的样式 normed =False, #频数 edgecolor = 'white' # 指定直方图条形的边界色 )plt.title("泰坦尼克号乘客年龄分布",fontdict={'fontsize':18, 'color':'r'})plt.xlabel("Age")plt.ylabel("频数")# 显示图例plt.legend(loc = 'best')# 显示图形plt.show()plt.hist(df["Age"], #绘图数据 bins=np.arange(df.Age.min(),df["Age"].max(),5), #从age的最小值到最大值，步长为5 color="blue", #颜色 label="年龄", #标签，用以图例legend histtype="bar", #直方图的样式 normed =True, #频数变为频率 edgecolor = 'white' # 指定直方图条形的边界色 )plt.title("泰坦尼克号乘客年龄分布",fontdict={'fontsize':18, 'color':'r'})plt.xlabel("Age")plt.ylabel("频率")# 显示图例plt.legend(loc = 'best')# 显示图形plt.show()参数cumulative = True, 则是积累直方图，上图右所示。
import matplotlib.mlab as mlabfrom scipy.stats import normplt.hist(df["Age"], #绘图数据 bins=np.arange(df.Age.min(),df["Age"].max(),5), #多少个条 color="blue", #颜色 label="年龄", #标签，用以图例legend histtype="bar", #直方图的样式 normed =True, #频数变为频率 edgecolor = 'white' # 指定直方图条形的边界色 )plt.title("泰坦尼克号乘客年龄分布",fontdict={'fontsize':18, 'color':'r'})plt.xlabel("Age")plt.ylabel("频率")# 生成正态曲线的数据x1 = np.linspace(df.Age.min(), df.Age.max(), 1000)normal = norm.pdf(x1, df.Age.mean(), df.Age.std())# 绘制正态分布曲线line1,= plt.plot(x1,normal,'r-', linewidth = 2) # 生成核密度曲线的数据kde = mlab.GaussianKDE(df.Age)x2 = np.linspace(df.Age.min(), df.Age.max(), 1000)# 绘制line2, = plt.plot(x2,kde(x2),'k-.', linewidth = 2)# 显示图例plt.legend([line1,line2],["正态分布曲线","核密度曲线"],loc="best")注意：
都知道x服从~N(μ，σ^2)，就是正态分布；μ=1，σ^2=0，是标准正态分布。
生成正态概率密度：
y1=mlab.normpdf(x，mu均值，sigma标准差)，或者
y2=norm.pdf(x，mu均值，sigma标准差)
两个变量的直方图
在年龄的基础上，将男性和女性区分出来
# 提取不同性别的年龄数据age_female = df.Age[df.Sex == 'female']age_male = df.Age[df.Sex == 'male']# 设置直方图的组距bins = np.arange(df.Age.min(), df.Age.max(), 3)# 男性乘客年龄直方图plt.hist(age_male, bins = bins, label = '男性', color = 'blue', alpha =1)# 女性乘客年龄直方图plt.hist(age_female, bins = bins, label = '女性', color = 'y',alpha = 0.8)# 设置坐标轴标签和标题plt.title('泰坦尼克号乘客年龄-按性别分布',fontdict={'fontsize':18, 'color':'r'})plt.xlabel('年龄',fontdict={'fontsize':18, 'color':'k'})plt.ylabel('人数',fontdict={'fontsize':18, 'color':'k'})
# 显示图例plt.legend()# 显示图形plt.show()上图显示的总体还是年龄的分布，男女年龄的均值和标准差没有太大的差异，所以两个图是重叠在一起的。
都知道，均值反映集中趋势，体现总体的情况中大部分的量是多少。
标准差反映离散程度，方差
在用一组数据和图形体现：
# 构造数据mu1,sigma1=80,30mu2,sigma2=30,15x1=mu1+sigma1*np.random.randn(10000)x2=mu2+sigma2*np.random.randn(10000)# 画图plt.hist(x1,bins=50,density=True,color="r",alpha=1)plt.hist(x2,bins=50,density=True,color="b",alpha=0.7)# 加数据标签plt.text(90,0.013,r"$\mu=80,\ \sigma=30$",fontdict={'fontsize':13,'color':'r','weight':'bold','family':'serif'})plt.text(35,0.025,r"$\mu=30,\ \sigma=15$",fontdict={'fontsize':13,'color':'k'})# 设置x轴的范围plt.xlim(-15,170)# 标题plt.title("均值和标准差不同的直方图比较",fontdict={'fontsize':20,'color':'k'})好了今天的分享就到这里了，拜拜┏(＾0＾)┛！
公众号：ywq885889
参考：https://www.kesci.com/home/project/59f6f21bc5f3f511952c2966