python画图|hist()函数画直方图进阶

【1】引言

前序已经学习了hist()函数画直方图的基础教程，相关文章见下述链接：

python画图|hist()函数画直方图初探-CSDN博客

在这里我们初步认识了hist()函数，并使用该函数画出了8个直方图。

之后又用bar(）函数进行对比，同时输出了两种直方图。

继续研究将会发现：hist(）函数绘制直方图的时候，和bar(）函数一致，需要约定X轴，但是hist()函数无需指明方块的高度，bar()函数需要指明方块高度。

为此，我们有必要继续研究一下，hist()函数画的直方图高度从何而来？

【2】官网教程

首先是到达hist()函数画图画图官网：

https://matplotlib.org/stable/plot_types/stats/hist_plot.html#sphx-glr-plot-types-stats-hist-plot-py

然后直接点击ax.hist()函数，会直接跳转到新链接：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.hist.html#matplotlib.axes.Axes.hist

然而即使到这里，也不能很快理解直方图的高度该如何理解。

然后我点击了 np.random.normal()函数，这本是一个无意之举，但却进入下述链接，帮助揭露了真相。

https://numpy.org/doc/stable/reference/random/generated/numpy.random.normal.html#numpy.random.normal

上述链接说明， np.random.normal()函数按照正态分布的形式生成了随机数。

这启发我进一步探索。

【3】修改代码

首先把随机数的数量改为100个：

x = 4 + np.random.normal(0, 1.5, 100)

然后把输出直方图的边线从白色改为红色来加大辨识度，此外增设rwidth来控制方块间距。

ax.hist(x, bins=8, linewidth=0.5,rwidth=0.5, edgecolor="r")

运行代码后的输出图形为：

图1

图1以4为中心，左右基本呈对称布置，很像一个正态分布图形。

为此继续加大绘制出的直方图数量：把bins改为80。

ax.hist(x, bins=80, linewidth=0.5,rwidth=0.5, edgecolor="r")

新图像如下：

图2

图2整体上依然保持了正态分布的趋势，在这里以4为中心，可以理解为其来源于下述代码：

x=4+np.random.normal(0, 1.5, 100)

在图2我们发现直方图高度变小了。

对比图1和图2，隐约可以发现：直方图的高度数值相加总和=100。

【4】hist()参数正态分布关系理解

我们现在回到hist()函数定义的官网页面，重新理解这句话：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.hist.html#matplotlib.axes.Axes.hist

This method uses numpy.histogram to bin the data in x and count the number of values in each bin, then draws the distribution either as a BarContainer or Polygon. The bins, range, density, and weights parameters are forwarded to numpy.histogram.

上述话语的意思是：hist()函数绘制的是x在所有自变量数据中出现的频率。

所以，hist()函数会自动输出x的频率即直方图高度。

有了这层理解，大胆做测试：输出一万个直方图

图3

至此的完整代码为为：

import matplotlib.pyplot as plt
import numpy as np

#plt.style.use('_mpl-gallery')

# make data
np.random.seed(1)
x = 4 + np.random.normal(0, 1.5, 10000)

#print('x=',x)

# plot:
fig, ax = plt.subplots()

ax.hist(x, bins=10000, linewidth=0.5,rwidth=0.5, edgecolor="y")

#ax.set(xlim=(0, 8), xticks=np.arange(1, 8),
       #ylim=(0, 56), yticks=np.linspace(0, 56, 9))

plt.show()