首页 > 其他分享 >matplotlib直方图

matplotlib直方图

时间:2024-03-03 22:25:53浏览次数:25  
标签:plt 117 matplotlib width 直方图 123 111

matplotlib直方图

假设你获取了250部电影的时长(列表a中), 希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量, 出现的频率)等信息, 你应该如何呈现这些数据?

from matplotlib import pyplot as plt
a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

# 设置组距
bin_width = 3
# 计算组数
num_bins = (max(a) - min(a)) // bin_width

# 最好bin_width能被极差整除, 这样画出来的图才是整齐的
print("delta:", max(a) - min(a))
print("num_bins:", num_bins)

plt.figure(figsize=(20, 8), dpi=80)

# 传入需要统计的数据以及组数
# 默认为频数直方图
plt.hist(a, num_bins)

# num_bins也可以是一个列表, 长度为组数, 值为分组依据, 当组距不均匀时使用
# plt.hist(a, [min(a)+i*bin_width for i in range(num_bins)])

# 绘制频率直方图, 在新版的matplotlib中, normed参数已经被移除, 取而代之的是density参数
# plt.hist(a, num_bins, density=True)

# 传入一个列表作为x轴刻度
xtick_labels = [i for i in range(min(a), max(a)+bin_width, bin_width)]
plt.xticks(xtick_labels)

plt.grid(alpha=0.3)
plt.show()
delta: 78
num_bins: 26

output_2_1.png

在美国2004年人口普查发现有124million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间, 通过抽样统计(最后一列)出了下表的数据, 这些数据能够绘制成直方图么?

interval = [0,5,10,15,20,25,30,35,40,45,60,90]

width = [5,5,5,5,5,5,5,5,5,15,30,60]

quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

但是这些数据都是统计之后的数据, 所以为了达到直方图的效果, 需要绘制条形图

一般来说能够使用plt.hist方法的是那些没有统计过的数据

# 用条形图来模拟直方图
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

plt.figure(figsize=(20, 8), dpi=80)

plt.bar(range(len(interval)), quantity, width=0.2)

# 调整x轴刻度
x = [i for i in range(len(interval))]
xtick_labels = interval
plt.xticks(x, xtick_labels)

plt.show()

output_4_0.png

# 用条形图来模拟直方图
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

plt.figure(figsize=(20, 8), dpi=80)

# 宽度为1才能连起来
plt.bar(range(len(interval)), quantity, width=1)

# 调整x轴刻度
# 基于上图, 每个条形的中心都是整数, 需要偏移到中间, 即0.5的位置 
# 通过从每个索引中减去0.5, 刻度线向左移动0.5个单位, 从而实现将每个条形的中心与相应的间隔值对齐
# 我们想要用条形图来模拟直方图, 需要将所有的条块连起来
# 并且发现最后的区间应该是[90, 150], 需要加一个点
x = [i-0.5 for i in range(len(interval) + 1)]
xtick_labels = interval + [150]
plt.xticks(x, xtick_labels)

plt.grid(alpha=0.3)
plt.show()

output_5_0.png

标签:plt,117,matplotlib,width,直方图,123,111
From: https://www.cnblogs.com/xushengxiang/p/18050869

相关文章

  • matplotlib条形图
    matplotlib条形图假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?frommatplotlibimportpyplotasplta=["WolfWarrior2","FastandFurious8","KungFuYoga","JourneytotheWest","Transformers5......
  • matplotlib散点图
    matplotlib散点图假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?frommatplotlibimportpyplotaspltx_3=range(1,32)x_10=range(51,82)y_3=[11,17,16,11,12,11,12,6,6,7,......
  • Matplotlib调整图例中图形的大小
    一、问题描述在使用matplotlib画图的时候需要对图例中的图形进行放大缩写的操作,避免图例太小。问题如下:二、解决方法由于不同的对象解决方法有差异,这里对散点图和柱形图进行讨论。2.1散点图散点类型的图像可以使用下面的代码进行图形大小的调整。legend=plt.legend()#......
  • 【机器学习科学库】全md文档笔记:Matplotlib详细使用方法(已分享,附代码)
    本系列文章md笔记(已分享)主要讨论人工智能相关知识。主要内容包括,了解机器学习定义以及应用场景,掌握机器学习基础环境的安装和使用,掌握利用常用的科学计算库对数据进行展示、分析,学会使用jupyternotebook平台完成代码编写运行,应用Matplotlib的基本功能实现图形显示,应用Matplotlib......
  • 【机器学习科学库】全md文档笔记:Jupyter Notebook和Matplotlib使用(已分享,附代码)
    本系列文章md笔记(已分享)主要讨论人工智能相关知识。主要内容包括,了解机器学习定义以及应用场景,掌握机器学习基础环境的安装和使用,掌握利用常用的科学计算库对数据进行展示、分析,学会使用jupyternotebook平台完成代码编写运行,应用Matplotlib的基本功能实现图形显示,应用Matplotlib......
  • python · matplotlib | seaborn 画图与调整图例位置
    1seaborn画图代码存档:sns.set_style("whitegrid")#好看的styleplt.figure()#plt.plot(ppo_data['Step']*step_mul,ppo_data['ppo_mean'],label='PPO')#plt.plot(sac_data['Step']*step_mul,sac_data['sac_m......
  • 匀加速运动模拟python,(matplotlib)
    importnumpyasnpimportmatplotlibmatplotlib.use("TKAgg")importmatplotlib.pyplotaspltg=9.8s=100ds=0.00001#单位米v0=0.001#m/sv=[v0]t=[ds/v0]t_sum=0ds_num=int(s/ds)x=[]y=[]foriinrange(ds_num+1):ifi==0:continue......
  • FPGA图像处理(直方图均衡化)
       图像处理领域中利用图像直方图对对比度进行调整的方法。对比度是画面黑与白的比值,也就是从黑到白的渐变层次。比值越大,从黑到白的渐变层次就越多,从而色彩表现越丰富。对比度对视觉效果的影响非常关键,一般来说对比度越大,图像越清晰醒目,色彩也越鲜明艳丽;而对比度小,则会让......
  • Visual Studio部署matplotlib绘图库的C++版本
      本文介绍在VisualStudio软件中配置、编译C++环境下matplotlibcpp库的详细方法。  matplotlibcpp库是一个C++环境下的绘图工具,其通过调用Python接口,实现在C++代码中通过matplotlib库的命令绘制各类图像。由于其需要调用Python接口,因此在配置matplotlibcpp库时有些较为麻烦......
  • matplotlib annotate
    matplotlibannotate参考:matplotlibannotate在数据可视化中,常常需要在图表中添加标注,以便更清楚地表达数据的含义。Matplotlib库中的annotate()函数提供了一种简单的方法来添加标注。1.annotate()函数的基本语法annotate()函数的基本语法如下:annotate(text,xy,xytext,a......