Функция hist() в Matplotlib


Matplotlib 参考文档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

ПараметрTypeОписание
xмассив или последовательность массивовВходные данные; можно передать несколько наборов данных.
binsint или последовательностьКоличество бинов или последовательность границ бинов. По умолчанию используется метод 'auto' для автоматического выбора.
rangetupleДиапазон данных (нижняя, верхняя граница); данные вне диапазона игнорируются.
densityboolЕсли True, строить гистограмму плотности вероятности (общая площадь равна 1) вместо количества.
weightsмассивоподобныйВес каждой точки данных.
cumulativebool или -1Если True, строить кумулятивную гистограмму; -1 означает накопление от наибольшего к наименьшему.
histtypestrТип гистограммы: 'bar' (по умолчанию), 'barstacked' (стековая), 'step' (ступенчатая линия), 'stepfilled' (заполненная ступенчатая).
alignstrВыравнивание интервалов: 'mid' (по центру, по умолчанию), 'left' (по левому краю), 'right' (по правому краю).
orientationstr'vertical' (вертикально, по умолчанию) или 'horizontal' (горизонтально)
rwidthfloatОтносительная ширина столбцов; 1.0 означает отсутствие промежутка.
logboolЕсли True, ось Y использует логарифмический масштаб.
colorcolor или listЦвет столбца
labelstr или listМетка легенды
stackedboolОтображать 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 matplotlib.pyplot as plt
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 matplotlib.pyplot as plt
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 matplotlib.pyplot as plt
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 matplotlib.pyplot as plt
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 matplotlib.pyplot as plt
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).


Matplotlib 参考文档Справочная документация Matplotlib

Другие расширения