Python matplotlib.pyplot.hist()绘制直方图的方法实例_python_

hist(x, bins=None, range=None, density=False,weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

plt.hist( x,# 指定要绘制直方图的数据 bins,# 设置长条形的数目 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（范围） density=True or False, # 如果"True"，将y轴转化为密度刻度 默认为None weights,# 该参数可为每一个数据点设置权重 cumulative=True or False,# 是否需要计算累计频数或频率 默认值False bottom=0, # 可以为直方图的每个条形添加基准线，默认为0 histtype={'bar', 'barstacked', 'step', 'stepfilled'} # 设置样式 # bar柱状形数据并排，默认值。 # barstacked在柱状形数据重叠并排（相同的在一起） # step柱状形颜色不填充 # stepfilled填充的线性 align='mid' or 'left' or 'right', # 设置条形边界值的对其方式，默认为mid，除此还有'left'和'right' orientation={'vertical', 'horizontal'},# 设置直方图的摆放方向，默认为垂直方向vertical rwidth,# 设置直方图条形宽度的百分比 log=True or False,# 是否需要对绘图数据进行log变换 默认值False color='r',# 设置直方图的填充色 label, # 设置直方图的标签 stacked=True or False, # 当有多个数据时，是否需要将直方图呈堆叠摆放，默认False水平摆放； facecolor,# 设置长条形颜色(和color效果一致，设置color就不用再设置facecolor) edgecolor,# 设置边框的颜色 alpha # 设置透明度 ) # 注意组距，得到满意的展示效果 # 注意y轴所代表的变量是频数还是频率

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) # bins设置长条形的数目 plt.hist(data,bins=10) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,histtype='barstacked') plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,histtype='step') plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,histtype='stepfilled') plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,histtype='bar',range=(150,170)) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,orientation='horizontal') plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,density=True) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,orientation='horizontal',density=True) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,weights=data) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,orientation='horizontal',weights=data) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,cumulative=True) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,orientation='horizontal',cumulative=True) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,bottom=170) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,orientation='horizontal',bottom=170) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10) plt.show()

import matplotlib.pyplot as plt import numpy as np data=np.random.randint(140,180,200) plt.hist(data,bins=10,align='left') plt.show()

import matplotlib.pyplot as plt imp
                
提示：
                    本文由神整理自网络，如有侵权请联系本站删除！
                    

                    本站声明： 

                    1、本站所有资源均来源于互联网，不保证100%完整、不提供任何技术支持； 

                    2、本站所发布的文章以及附件仅限用于学习和研究目的;不得将用于商业或者非法用途；否则由此产生的法律后果，本站概不负责！
                
                

                

                                            
上一篇：如何解决pycharm中用matplotlib画图不显示中文的问题_python_
                                                                
下一篇：Python基础异常处理梳理总结_python_