Python绘制频率分布直方图的示例_Python

Python绘制频率分布直方图的示例

2021-08-04 08:54巴拉巴拉朵 Python

今天小编就为大家分享一篇Python绘制频率分布直方图的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

项目中在前期经常要看下数据的分布情况，这对于探究数据规律非常有用。概率分布表示样本数据的模样，长的好不好看如果有图像展示出来就非常完美了，使用Python绘制频率分布直方图非常简洁，因为用的频次非常高，这里记录下来。还是Python大法好，代码简洁不拖沓~

如果数据取值的范围跨度不大，可以使用等宽区间来展示直方图，这也是最常见的一种；如果数据取值范围比较野，也可以自定义区间端点，绘制图像，下面分两种情况展示

1. 区间长度相同绘制直方图

				?

									#-*- encoding=utf-8 -*-

									import datetime

									import numpy as np

									import matplotlib.pyplot as plt

									import matplotlib

									zhfont1 = matplotlib.font_manager.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')

									# 按照固定区间长度绘制频率分布直方图

									# bins_interval 区间的长度

									# margin    设定的左边和右边空留的大小

									def probability_distribution(data, bins_interval=1, margin=1):

									  bins = range(min(data), max(data) + bins_interval - 1, bins_interval)

									  print(len(bins))

									  for i in range(0, len(bins)):

									    print(bins[i])

									  plt.xlim(min(data) - margin, max(data) + margin)

									  plt.title("probability-distribution")

									  plt.xlabel('Interval')

									  plt.ylabel('Probability')

									  plt.hist(x=data, bins=bins, histtype='bar', color=['r'])

									  plt.show()

2. 区间长度不同绘制直方图

				?

									#-*- encoding=utf-8 -*-

									import datetime

									import numpy as np

									import matplotlib.pyplot as plt

									import matplotlib

									zhfont1 = matplotlib.font_manager.FontProperties(fname='C:\Windows\Fonts\simsun.ttc'

									# 自己给定区间，小于区间左端点和大于区间右端点的统一做处理，对于数据分布不均很的情况处理较友好

									# bins   自己设定的区间数值列表

									# margin  设定的左边和右边空留的大小

									# label   右上方显示的图例文字

									"""e

									  import numpy as np

									  data = np.random.normal(0, 1, 1000)

									  bins = np.arange(-5, 5, 0.1)

									  probability_distribution_extend(data=data, bins=bins)

									"""

									def probability_distribution_extend(data, bins, margin=1, label='Distribution'):

									  bins = sorted(bins)

									  length = len(bins)

									  intervals = np.zeros(length+1)

									  for value in data:

									    i = 0

									    while i < length and value >= bins[i]:

									      i += 1

									    intervals[i] += 1

									  intervals = intervals / float(len(data))

									  plt.xlim(min(bins) - margin, max(bins) + margin)

									  bins.insert(0, -999)

									  plt.title("probability-distribution")

									  plt.xlabel('Interval')

									  plt.ylabel('Probability')

									  plt.bar(bins, intervals, color=['r'], label=label)

									  plt.legend()

									  plt.show()

Case示例

				?

									if __name__ == '__main__':

									  data = [1,4,6,7,8,9,11,11,12,12,13,13,16,17,18,22,25]

									  probability_distribution(data=data, bins_interval=5,margin=0)