matplotlib.pyplot 是什么
matplotlib.pyplot 是 matplotlib 库的一个子模块，它提供了一种类似于 MATLAB 的绘图系统，可用于创建各种类型的图表和可视化图像。
使用 pyplot 可以方便地绘制二维图形，如折线图、散点图、直方图、条形图等等。您可以使用函数 plot() 、 scatter() 、 hist() 、 bar() 等来创建不同类型的图形。
同时， pyplot 还可以设置图表的标题、坐标轴、标签、颜色、线型等等属性，使图表更加美观和易于理解。
除了基本的绘图功能外， pyplot 还可以处理图像、设置图表样式、自定义图表元素等等。它是 Python 中最流行和广泛使用的绘图库之一，适用于各种科学、工程和数据分析应用。
总之， matplotlib.pyplot 是一个非常强大和灵活的数据可视化工具，可以帮助您轻松创建各种类型的图表和图像，并提供了大量的自定义选项和功能。
matplotlib.pyplot 常用的方法
plot()：绘制折线图、散点图等。可以设置数据、线条颜色、线型、标记、标签等参数。scatter()：绘制散点图。可以设置数据、颜色、尺寸、标签等参数。bar()：绘制条形图。可以设置数据、颜色、宽度、对齐方式、标签等参数。hist()：绘制直方图。可以设置数据、颜色、直方条数、标签等参数。pie()：绘制饼图。可以设置数据、颜色、比例、标签等参数。subplot()：将多个图形在同一画布中绘制。可以设置子图的行数、列数、位置等参数。title()：设置图形的标题。可以设置标题内容、字体、大小、颜色等参数。xlabel()和ylabel()：设置 x 轴和 y 轴的标签。可以设置标签内容、字体、大小、颜色等参数。xlim()和ylim()：设置 x 轴和 y 轴的范围。可以设置最小值、最大值等参数。legend()：设置图例。可以设置图例内容、位置、字体、大小、颜色等参数。grid()：添加网格线。可以设置线条颜色、线型、透明度等参数。savefig()：保存图形。可以设置文件名、文件格式、图像质量等参数。
hist()
matplotlib.pyplot.hist() 是一个用于绘制直方图的函数，其主要作用是将数据分成若干个直方块，统计每个区间内数据出现的频数或概率，并将其绘制成柱状图，以直观展示数据分布情况。
下面是 matplotlib.pyplot.hist() 函数的基本语法：
plt.hist(x, bins=None, range=None, density=False, cumulative=False, color=None)
其中，参数含义如下：
- x ：需要绘制直方图的数据。
- bins ：直方块的数量或分布规则，默认值为 10 。
- range ：数据的值域，即数据的取值范围，默认值为 (x.min(), x.max()) 。
- density ：是否将直方图转换为概率密度直方图，默认值为 False 。
- cumulative ：是否绘制累计分布直方图，默认值为 False 。
- color ：指定直方图颜色。
下面是一个简单的例子，用于展示 matplotlib.pyplot.hist() 函数的使用方法：
import matplotlib.pyplot as plt
import numpy as np
# 生成一组随机数据
data = np.random.randn(10000)
# 绘制直方图
plt.hist(data, bins=50, color='steelblue', density=False)
# 设置图形标题和坐标轴标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')
# 显示图形
plt.show()
上面的代码生成了一个包含 10000 个随机数的数据集，并利用 matplotlib.pyplot.hist() 函数绘制了其直方图。
其中， bins 参数设置了直方块的数量为 50 ，直方块的颜色为钢蓝色，同时设置了图形标题和坐标轴标签。
最后使用 plt.show() 函数显示图形。
注：这里用到的 numpy.random.randn() 函数用于生成指定数量的服从标准正态分布的随机数。
