Python中用于绘制直方图的plt.hist()函数

在Python中，有一个非常强大的数据可视化库matplotlib，它的功能非常丰富，包括绘制直方图（histogram）。而matplotlib中的plt.hist()函数就是用于绘制直方图的，它能够根据给定的数据，将数据分组并统计出每个组中的数据个数，然后用柱形图的形式进行展示。

函数语法

函数的语法如下：

plt.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, normed=None, *, data=None, **kwargs)

参数说明

• x: 待绘制直方图的数据
• bins: 直方图的组数，默认为10
• range: 直方图数据的范围，也就是x轴的取值范围，默认为整个数据集的取值范围
• density: 是否将直方图统计出的数据标准化，默认为False
• weights: 每个数据点的权重（或已经归一化的值）
• cumulative: 是否绘制累计频率直方图，默认为False
• bottom: 直方图中的每个组最下面的值，默认为0
• histtype: 直方图的类型，包括'bar'、'barstacked'、'step'、'stepfilled'
• align: 直方图的位置，默认为'mid'，而'left'表示左对齐，'right'表示右对齐
• orientation: 直方图的方向，默认为'vertical'，而'horizontal'表示水平方向
• rwidth: 直方图柱形的宽度，默认为None，表示自动设置宽度
• log: 是否绘制以10为底的对数刻度直方图，默认为False
• color: 直方图柱形的颜色
• label: 直方图的标签
• stacked: 是否堆叠直方图，默认为False
• normed: 同density，已被废弃
• data: 直方图数据的数据来源
• **kwargs: 其他关键字参数

例子

import numpy as np
import matplotlib.pyplot as plt

# 生成随机正态分布样本数据
np.random.seed(0)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# 绘制直方图
plt.hist(x, bins=50, density=True, alpha=0.6, color='g')

# 设置坐标轴标签和图名
plt.xlabel('Smarts')
plt.ylabel('Probability density')
plt.title('Histogram of IQ')

# 显示图形
plt.show()

上面代码的例子展示了如何使用plt.hist()函数绘制以100为均值、15为标准差的正态分布直方图，分为50组，其中density参数表示对直方图的数据进行标准化，alpha参数控制直方图的透明度。

最终的图形如下所示：

以上述代码为例，你可以根据自己的需求来调整直方图的参数，进而绘制出符合你需求的直方图。