Fonction hist() de Matplotlib
Documentation de référence de Matplotlib
hist()Utilisé pour tracer un histogramme, en divisant les données en plusieurs intervalles (bins) et en comptant la fréquence d'occurrence des données dans chaque intervalle.
Les histogrammes sont des outils de base pour explorer la distribution des données (tendance centrale, dispersion, asymétrie, etc.).
Définition de fonction
Interface pyplot
matplotlib.pyplot.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, **kwargs)
Interface Axes
Axes.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, **kwargs)
Description du paramètre
| Paramètre | Type | Description |
|---|---|---|
| x | tableau ou séquence de tableaux | Données d'entrée ; plusieurs jeux de données peuvent être transmis. |
| bins | int ou séquence | Nombre d'intervalles ou séquence de limites d'intervalles. Par défaut, la méthode 'auto' est utilisée pour sélectionner automatiquement. |
| range | tuple | Plage de données (inférieure, supérieure) ; les données en dehors de cette plage sont ignorées. |
| density | bool | Si True, tracez un histogramme de densité de probabilité (l'aire totale est égale à 1) au lieu des effectifs. |
| weights | de type tableau | Poids de chaque point de données. |
| cumulative | bool ou -1 | Si True, tracez un histogramme cumulé ; -1 signifie un cumul du plus grand au plus petit. |
| histtype | str | Type d'histogramme : 'bar' (par défaut), 'barstacked' (empilé), 'step' (ligne en escalier), 'stepfilled' (escalier rempli). |
| align | str | Alignement des bins : 'mid' (centré, par défaut), 'left' (aligné à gauche), 'right' (aligné à droite). |
| orientation | str | 'vertical' (vertical, par défaut) ou 'horizontal' (horizontal) |
| rwidth | float | Largeur relative des barres ; 1.0 signifie aucun espace. |
| log | bool | Si True, l'axe des y utilise une échelle logarithmique. |
| color | couleur ou liste | Couleur des barres |
| label | str ou list | Libellé de légende |
| stacked | bool | Indique s'il faut afficher plusieurs jeux de données empilés. |
La valeur de retour de hist() est un tuple de trois éléments :
(n, bins, patches)n est le comptage/la densité de chaque bin, bins sont les bords des bins, et patches sont les objets de barres dessinés.
Exemples d'utilisation
Exemple 1 : Histogramme de base
Exemple
import numpy as np
# Générer des données aléatoires suivant une loi normale
np.random.seed(42)
data = np.random.randn(1000)
fig, ax = plt.subplots(layout='constrained')
# Tracer l'histogramme
n, bins, patches = ax.hist(data, bins=30,
color='steelblue', edgecolor='white')
# Mettre en évidence le bin contenant la valeur maximale
max_idx = np.argmax(n)
patches[max_idx].set_facecolor('#e74c3c')
ax.set_title('Histogramme de la distribution normale')
ax.set_xlabel('Valeur')
ax.set_ylabel('Fréquence')
ax.axvline(x=0, color='red', linestyle='--', alpha=0.7)
ax.grid(axis='y', alpha=0.3)
plt.show()
Exemple 2 : Histogramme comparatif de plusieurs ensembles de données
Exemple
import numpy as np
np.random.seed(42)
# Trois ensembles de données avec des distributions différentes
data1 = np.random.normal(0, 1, 1000) # Normale centrée réduite
data2 = np.random.normal(2, 1.5, 800) # moyenne=2, écart-type=1.5
data3 = np.random.normal(-1, 0.5, 600) # moyenne=-1, écart-type=0.5
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
# Comparer plusieurs jeux de données à l'aide de la transparence et de couleurs différentes
ax.hist(data1, bins=30, alpha=0.6, color='steelblue',
label='N(0, 1)', edgecolor='white')
ax.hist(data2, bins=30, alpha=0.6, color='coral',
label='N(2, 1.5)', edgecolor='white')
ax.hist(data3, bins=30, alpha=0.6, color='mediumseagreen',
label='N(-1, 0.5)', edgecolor='white')
ax.set_title('Comparaison de plusieurs distributions')
ax.set_xlabel('Valeur')
ax.set_ylabel('Fréquence')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
Exemple 3 : Histogramme de densité + courbe ajustée
Exemple
import numpy as np
np.random.seed(42)
data = np.random.randn(1000)
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
# density=True trace la densité de probabilité (au lieu des effectifs)
ax.hist(data, bins=30, density=True, alpha=0.7,
color='steelblue', edgecolor='white', label='Histogramme des données')
# Superposer la courbe théorique de distribution normale
from scipy import stats
x = np.linspace(-4, 4, 200)
pdf = stats.norm.pdf(x, loc=0, scale=1)
ax.plot(x, pdf, 'r-', linewidth=2, label='PDF théorique N(0,1)')
ax.set_title('Histogramme de densité avec courbe PDF')
ax.set_xlabel('Valeur')
ax.set_ylabel('Densité de probabilité')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
Exemple 4 : Histogramme cumulatif
Exemple
import numpy as np
np.random.seed(42)
data = np.random.randn(500)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4),
layout='constrained')
# Graphique gauche : histogramme régulier
ax1.hist(data, bins=30, color='steelblue', edgecolor='white')
ax1.set_title('Histogramme standard')
ax1.set_xlabel('Valeur')
ax1.set_ylabel('Fréquence')
# Graphique de droite : histogramme cumulé
ax2.hist(data, bins=30, cumulative=True, color='coral',
edgecolor='white')
ax2.set_title('Histogramme cumulé')
ax2.set_xlabel('Valeur')
ax2.set_ylabel('Fréquence cumulée')
plt.show()
Exemple 5 : histogramme en escalier
Exemple
import numpy as np
np.random.seed(42)
data = np.random.exponential(scale=2, size=500)
fig, ax = plt.subplots(layout='constrained')
# histtype='stepfilled' trace un histogramme en escalier rempli
ax.hist(data, bins=30, histtype='stepfilled',
color='#3498db', alpha=0.6, edgecolor='black',
linewidth=1, label='Rempli en escalier')
# Superposer une ligne en escalier
ax.hist(data, bins=30, histtype='step',
color='black', linewidth=2, label='Contour en escalier')
ax.set_title('Histogramme en escalier (histtype)')
ax.set_xlabel('Valeur')
ax.set_ylabel('Fréquence')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
print("exemple : histogramme en escalier affiché")
FAQ
Comment choisir le paramètre bins ?
Trop peu fera perdre les caractéristiques des données, trop en introduira du bruit.
Règles empiriques :sqrt(n)(règle de la racine carrée),log2(n)+1(règle de Sturges), ou utilisez simplement la sélection automatique 'auto' par défaut.
Que signifie density=True ?
Il ne renvoie pas d'effectifs ; à la place, il fait en sorte que l'aire totale de l'histogramme soit égale à 1, formant une estimation de la densité de probabilité. Convient pour la comparaison avec des fonctions de densité de probabilité (PDF).
Autres extensions