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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
#-*- 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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
|
#-*- 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
1
2
3
|
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 ) |
效果如下图
以上这篇Python绘制频率分布直方图的示例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/whgyxy/article/details/88713917