Функция hist() в Matplotlib
Справочная документация Matplotlib
hist()Используется для построения гистограммы: данные разбиваются на несколько интервалов (бинов), и подсчитывается частота появления данных в каждом интервале.
Гистограммы — базовые инструменты для исследования распределения данных (центральной тенденции, разброса, асимметрии и т. д.).
Определение функции
Интерфейс 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)
Интерфейс 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)
Описание параметра
| Параметр | Type | Описание |
|---|---|---|
| x | массив или последовательность массивов | Входные данные; можно передать несколько наборов данных. |
| bins | int или последовательность | Количество бинов или последовательность границ бинов. По умолчанию используется метод 'auto' для автоматического выбора. |
| range | tuple | Диапазон данных (нижняя, верхняя граница); данные вне диапазона игнорируются. |
| density | bool | Если True, строить гистограмму плотности вероятности (общая площадь равна 1) вместо количества. |
| weights | массивоподобный | Вес каждой точки данных. |
| cumulative | bool или -1 | Если True, строить кумулятивную гистограмму; -1 означает накопление от наибольшего к наименьшему. |
| histtype | str | Тип гистограммы: 'bar' (по умолчанию), 'barstacked' (стековая), 'step' (ступенчатая линия), 'stepfilled' (заполненная ступенчатая). |
| align | str | Выравнивание интервалов: 'mid' (по центру, по умолчанию), 'left' (по левому краю), 'right' (по правому краю). |
| orientation | str | 'vertical' (вертикально, по умолчанию) или 'horizontal' (горизонтально) |
| rwidth | float | Относительная ширина столбцов; 1.0 означает отсутствие промежутка. |
| log | bool | Если True, ось Y использует логарифмический масштаб. |
| color | color или list | Цвет столбца |
| label | str или list | Метка легенды |
| stacked | bool | Отображать ли несколько наборов данных с накоплением. |
Возвращаемое значение hist() — это кортеж из трёх элементов:
(n, bins, patches)n — это количество/плотность каждого бина, bins — это границы бинов, а patches — это нарисованные объекты столбцов.
Примеры использования
Пример 1: Базовая гистограмма
Пример
import numpy as np
# Сгенерировать случайные данные с нормальным распределением
np.random.seed(42)
data = np.random.randn(1000)
fig, ax = plt.subplots(layout='constrained')
# Построить гистограмму
n, bins, patches = ax.hist(data, bins=30,
color='steelblue', edgecolor='white')
# Выделить бин, содержащий максимальное значение
max_idx = np.argmax(n)
patches[max_idx].set_facecolor('#e74c3c')
ax.set_title('Гистограмма нормального распределения')
ax.set_xlabel('Значение')
ax.set_ylabel('Частота')
ax.axvline(x=0, color='red', linestyle='--', alpha=0.7)
ax.grid(axis='y', alpha=0.3)
plt.show()
Пример 2: Сравнительная гистограмма нескольких наборов данных
Пример
import numpy as np
np.random.seed(42)
# Три набора данных с разными распределениями
data1 = np.random.normal(0, 1, 1000) # Стандартное нормальное распределение
data2 = np.random.normal(2, 1.5, 800) # среднее=2, стандартное отклонение=1.5
data3 = np.random.normal(-1, 0.5, 600) # среднее=-1, стандартное отклонение=0.5
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
# Сравнение нескольких наборов данных с использованием прозрачности и разных цветов
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('Сравнение нескольких распределений')
ax.set_xlabel('Значение')
ax.set_ylabel('Частота')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
Пример 3: Гистограмма плотности + подогнанная кривая
Пример
import numpy as np
np.random.seed(42)
data = np.random.randn(1000)
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
# density=True строит график плотности вероятности (вместо количества)
ax.hist(data, bins=30, density=True, альфа=0.7,
color='steelblue', edgecolor='white', label='Гистограмма данных')
# Наложить теоретическую кривую нормального распределения
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='Теоретическая PDF N(0,1)')
ax.set_title('Гистограмма плотности с кривой PDF')
ax.set_xlabel('Значение')
ax.set_ylabel('Плотность вероятности')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
Пример 3: Кумулятивная гистограмма
Пример
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')
# Левый график: обычная гистограмма
ax1.hist(data, bins=30, color='steelblue', edgecolor='white')
ax1.set_title('Стандартная гистограмма')
ax1.set_xlabel('Значение')
ax1.set_ylabel('Частота')
# Правый график: кумулятивная гистограмма
ax2.hist(data, bins=30, cumulative=True, color='coral',
edgecolor='white')
ax2.set_title('Кумулятивная гистограмма')
ax2.set_xlabel('Значение')
ax2.set_ylabel('Кумулятивная частота')
plt.show()
Пример 5: Ступенчатая гистограмма
Пример
import numpy as np
np.random.seed(42)
data = np.random.exponential(scale=2, size=500)
fig, ax = plt.subplots(layout='constrained')
# histtype='stepfilled' строит заполненную ступенчатую гистограмму
ax.hist(data, bins=30, histtype='stepfilled',
color='#3498db', alpha=0.6, edgecolor='black',
linewidth=1, label='Ступенчатая заливка')
# Наложение ступенчатой линии
ax.hist(data, bins=30, histtype='step',
color='black', linewidth=2, label='Контур шага')
ax.set_title('Ступенчатая гистограмма (histtype)')
ax.set_xlabel('Значение')
ax.set_ylabel('Частота')
ax.legend()
ax.grid(axis='y', alpha=0.3)
plt.show()
print("пример: ступенчатая гистограмма отображена")
ЧАВО
Как выбрать параметр bins?
Слишком малое число потеряет характеристики данных, слишком большое внесёт шум.
Практические правила:sqrt(n)(правило квадратного корня),log2(n)+1(правило Стёрджеса), или просто используйте автоматический выбор по умолчанию 'auto'.
Что означает density=True?
Он не возвращает количества; вместо этого он делает общую площадь гистограммы равной 1, формируя оценку плотности вероятности. Подходит для сравнения с функциями плотности вероятности (PDF).
Другие расширения