分布（一）利用python绘制直方图

HsuHeinrich

发布于 2024-02-17 15:45:22

3610

发布于 2024-02-17 15:45:22

文章被收录于专栏：HsuHeinrich

分布（一）利用python绘制直方图

直方图（Histogram）简介

直方图

直方图主要用来显示在连续间隔（或时间段）的数据分布，每个条形表示每个间隔（或时间段）的频率，直方图的总面积等于数据总量。

直方图有助于分析数值分布的集中度、上下限差异等，也可粗略显示概率分布。

快速绘制

基于seaborn

import seaborn as sns
import matplotlib.pyplot as plt

# 导入数据
df = sns.load_dataset('iris')

# 利用displot函数创建直方图
sns.displot(df["sepal_length"], kde=False, rug=False)

plt.show()

直方图

基于matplotlib

import matplotlib.pyplot as plt

# 导入数据
df = sns.load_dataset('iris')

# 初始画布
fig, ax = plt.subplots(figsize = (4, 3))

# 利用hist创建直方图
ax.hist(df["sepal_length"], edgecolor="black")

plt.show()

直方图

定制多样化的直方图

自定义直方图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。
以下直方图的自定义只是冰山一角，尽管如此依然显得很多很杂。过多的代码容易造成阅读体验的下降，因此我也曾考虑过将这部分以源代码的形式分享给大家，文章只叙述相关的操作和结果图，尽可能地提高大家的阅读体验。但是我又想到并不是所有的图表内容都如此庞大，简单的图表就会显得文章过于单薄。而且单纯的放图好像也并不能提高阅读体验。另外，大家也知道我从来不分享原始代码的文件，因为现在大家的学习节奏都很快，一旦拿到文件基本就放到一边了。只有将这些代码复制下来，哪怕只跑一遍也会有一定的印象，从而提高技术能力。

通过seaborn绘制多样化的直方图

seaborn主要利用displot和histplot绘制直方图，可以通过seaborn.displot[1]和seaborn.histplot[2]了解更多用法

修改参数

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题


# 导入数据
df = sns.load_dataset("iris")

# 构造子图
fig, ax = plt.subplots(2,2,constrained_layout=True, figsize=(12, 8))

# 自定义分箱数量
ax_sub = sns.histplot(data=df, x="sepal_length", bins=20, ax=ax[0][0])
ax_sub.set_title('自定义分箱数量')

# 增加密度曲线
ax_sub = sns.histplot(data=df, x="sepal_length", kde=True, ax=ax[0][1])
ax_sub.set_title('添加kde')

# 增加密度曲线和数据分布（小短条）
# rug参数用于绘制出一维数组中数据点实际的分布位置情况，单纯的将记录值在坐标轴上表现出来
ax_sub = sns.histplot(data=df, kde=True, x="sepal_length", ax=ax[1][0])
sns.rugplot(data=df, x="sepal_length", ax=ax_sub.axes)
ax_sub.set_title('添加kde+rug')

# 自定义密度曲线+自定义数据分布（kde+rug）
ax_sub = sns.histplot(data=df, x="sepal_length", stat="density", ax=ax[1][1])
sns.kdeplot(data=df, x="sepal_length", color="g", linewidth=5, alpha=0.3, ax=ax_sub.axes)
sns.rugplot(data=df, x="sepal_length", color="r", linewidth=2, alpha=0.3, height=0.2, ax=ax_sub.axes)
ax_sub.set_title('自定义kde+rug')

plt.show()

1、绘制多个变量

一图绘制多个变量 import seaborn as sns import matplotlib.pyplot as plt sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题 # 导入数据 df = sns.load_dataset("iris") sns.histplot(data=df, x="sepal_length", color="skyblue", label="Sepal Length", kde=True) sns.histplot(data=df, x="sepal_width", color="red", label="Sepal Width", kde=True) plt.legend() plt.show()

2# 引申-镜像直方图：可用来对比两个变量的分布 import numpy as np from numpy import linspace import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from scipy.stats import gaussian_kde # 自定义数据 df = pd.DataFrame({ 'var1': np.random.normal(size=1000), 'var2': np.random.normal(loc=2, size=1000) * -1 }) # 初始画布 plt.rcParams["figure.figsize"]=12,8 # 绘制直方图1 sns.histplot(x=df.var1, stat="density", bins=20, edgecolor='black') # 绘制直方图2 n_bins = 20 # 获取条形的位置和高度 heights, bins = np.histogram(df.var2, density=True, bins=n_bins) # 乘以-1进行反转 heights *= -1 bin_width = np.diff(bins)[0] bin_pos =( bins[:-1] + bin_width / 2) * -1 # 绘制镜像图 plt.bar(bin_pos, heights, width=bin_width, edgecolor='black') plt.show()

download

子图绘制多个变量 import seaborn as sns import matplotlib.pyplot as plt sns.set(font='SimHei', font_scale=0.8, style="darkgrid") # 解决Seaborn中文显示问题 # 导入数据 df = sns.load_dataset("iris") fig, axs = plt.subplots(2, 2, figsize=(7, 7)) sns.histplot(data=df, x="sepal_length", kde=True, color="skyblue", ax=axs[0, 0]) sns.histplot(data=df, x="sepal_width", kde=True, color="olive", ax=axs[0, 1]) sns.histplot(data=df, x="petal_length", kde=True, color="gold", ax=axs[1, 0]) sns.histplot(data=df, x="petal_width", kde=True, color="teal", ax=axs[1, 1]) plt.show()

3、直方图与其它图的组合

直方图+箱线图：箱线图辅助理解数据分布并可视化展示四分位数及异常值 import seaborn as sns import matplotlib.pyplot as plt sns.set(style="darkgrid") # 导入数据 df = sns.load_dataset("iris") f, (ax_box, ax_hist) = plt.subplots(2, sharex=True, gridspec_kw={"height_ratios": (.15, .85)}) sns.boxplot(x=df["sepal_length"], ax=ax_box) sns.histplot(data=df, x="sepal_length", ax=ax_hist) ax_box.set(xlabel='') plt.show()

直方图+散点图：散点图可以观测两个变量的关系，直方图能够更好的展示数据分布 import seaborn as sns import matplotlib.pyplot as plt df = sns.load_dataset('iris') sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='scatter') plt.show()

引申-绘制边缘图因为jointplot是一个需要全幅度的图形级别函数，故不能在 subplots 子图中使用。这里采用自定义SeabornFig2Grid将 Seaborn生成的图转为matplotlib类型的子图。详细参考How to plot multiple Seaborn Jointplot in Subplot[3]。同样的jointplot也有很多参数可以自定义，并且可以使用更为灵活的JointGrid。这里就不赘述了，详细可以参考seaborn.jointplot[4]和seaborn.JointGrid[5]。 import matplotlib.pyplot as plt import matplotlib.gridspec as gridspec import seaborn as sns # 导入自定义模块 import SeabornFig2Grid as sfg # 加载数据 df = sns.load_dataset('iris') # 创建 Seaborn JointGrid 对象 g1 = sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='reg') # 带回归线的散点图 g2 = sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde') # 核密度估计图 g3 = sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='hex') # 六边形核密度估计图 # 创建高级边缘图-边缘图叠加 g4 = sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], color='g', kind='reg').plot_joint(sns.kdeplot, zorder=0, n_levels=10) # 创建 matplotlib 图和子图布局 fig = plt.figure(figsize=(12,8)) gs = gridspec.GridSpec(2, 2) # 使用SeabornFig2Grid转换 seaborn 图为 matplotlib 子图 mg1 = sfg.SeabornFig2Grid(g1, fig, gs[0]) mg2 = sfg.SeabornFig2Grid(g2, fig, gs[1]) mg3 = sfg.SeabornFig2Grid(g3, fig, gs[2]) mg4 = sfg.SeabornFig2Grid(g4, fig, gs[3]) gs.tight_layout(fig) # 调整整个布局 plt.show()

通过matplotlib绘制多样化的直方图

matplotlib主要利用hist绘制直方图，可以通过matplotlib.pyplot.hist[6]了解更多用法

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np 

mpl.rcParams.update(mpl.rcParamsDefault) # 恢复默认的matplotlib样式
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

# 自定义数据
hours = [17, 20, 22, 25, 26, 27, 30, 31, 32, 38, 40, 40, 45, 55]

# 初始化
fig, ax = plt.subplots(2,2,constrained_layout=True, figsize=(12, 8))

# 指定分箱数量
ax[0, 0].hist(hours)
ax[0, 0].set_title('自定义分箱数量')

# 设置边缘线
ax[0, 1].hist(hours, bins=5, edgecolor="black")
ax[0, 1].set_title('设置边缘线')

# 自定义分箱
bins = [20, 30, 40, 50, 60]
ax[1, 0].hist(hours, bins=bins, edgecolor="black")
ax[1, 0].set_title('自定义分箱')

# 添加额外数据信息：中位数
median_hour = np.median(hours)
ax[1, 1].hist(hours, bins=5, edgecolor="black")
ax[1, 1].axvline(median_hour, color="black", ls="--", label="Median hour")
ax[1, 1].legend()
ax[1, 1].set_title('添加中位数')

plt.show()