Python绘制频率分布直方图
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
plt.hist函数中有个参数normed默认是None，表示不对数据进行归一化，这个情况绘制出来的就是频次直方图，加了normed=True,之后就是标准的频率直方图
1. 区间长度相同绘制直方图
#-*- 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')
# 频率分布normed=True，频次分布normed=False
prob,left,rectangle = plt.hist(x=data, bins=bins, normed=True, histtype='bar', color=['r'])
for x, y in zip(left, prob):
# 字体上边文字
# 频率分布数据 normed=True
plt.text(x + bins_interval / 2, y + 0.003, '%.2f' % y, ha='center', va='top')
# 频次分布数据 normed=False
# plt.text(x + bins_interval / 2, y + 0.25, '%.2f' % y, ha='center', va='top')
plt.show()
2. 区间长度不同绘制频次直方图
#-*- 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
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
频次分布直方图
 
频率分布直方图
 

现在人工智能越来越实用，甚至深入到千家万户，随之而来的就是python技术的火爆，今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例，希望对于刚刚自学python的你有一定的帮助。
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
#-*- encoding=utf-8 -*-
import datetime
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
zhfont1 = matplotlib.font_manager.FontProperties(fname='C:WindowsFontssimsun.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
#-*- encoding=utf-8 -*-
import datetime
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
zhfont1 = matplotlib.font_manager.FontProperties(fname='C:WindowsFontssimsun.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
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)
以上就是小猿圈python讲师给大家分享的绘制频率分布直方图示例，希望对小伙伴们有所帮助，想要了解更多内容的小伙伴可以到小猿圈直接观看，想要学好Python开发技术的小伙伴快快行动吧。

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
#-*- 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
#-*- 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
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脚本之家。

前言
最近接到一个任务，来绘制一组数据的频率分布直方图。直方图是高中就学习过的知识，但是在科研、数据分析中仍然占有很高的地位。一开始我认为这个只需要用Excel就可以轻松实现，但是对Excel的绘图不熟悉，折腾了半天才用Python实现。
本次实验中对数据预处理和绘图的经历有一定的借鉴意义。因此记录下来。
数据预处理
不同于其他插图，直方图只需要一列数据即可。表示的是这一列数据中各个数据出现的频率分布。
实验用的数据是微博数据，经过处理后得到了一系列微博用户的轨迹数据。
如图sum2是轨迹的数量，line是轨迹编号。
因为是不同用户的轨迹，因此有重复需要通过arcgis的汇总功能，以line为key，对sum2求和。Python的group_by函数也可以实现这个功能。
最终得到了轨迹的数量；绘制轨迹数的直方图，能够分析研究区域内轨迹被用户访问的频率。如果有一些访问频率过低的轨迹，那就属于无效数据，需要进行区分。
绘制直方图
1，Excel绘制
数据导出为excel表格格式。选中一列数据，然后插入直方图。
初始化的图下标不是很合适。可以点击x轴，选择“设置坐标轴”菜单。在箱宽度中可以设置箱的宽度，即直方图的组距。
下图为调好的图
2，Python实现
Python则可以利用matplotlib库实现绘制。下面附上代码；其中a为list元素。如a=[1,2,3,4,5,6,7]
from matplotlib import pyplot as plt
# 计算组数
d = 800 # 组距
num_bins = int((max(a) - min(a)) // d)
print(max(a), min(a), max(a) - min(a))
print(num_bins)
# 设置图形大小
plt.figure(figsize=(20, 13), dpi=80)
# 绘制直方图
plt.hist(a, num_bins)
# 设置x轴的刻度
plt.xticks(range(int(min(a)), int(max(a)) + d, d))
plt.grid()
plt.show()
此外在使用Python时遇到了一个问题，去除list中值为0的元素。
如果使用for循环遍历，则可能出现去除残余的现象，这是因为每次用remove删除值为0的元素时，list的下一个元素就会前移，而指针向后移导致遗漏。
for i in range(a):
if(i==0):
a.remove(i)
正确的方法如下：
import pandas as pd
df=pd.read_csv("游客数据.csv",encoding='utf-8')    #读取date文件
a=df['FREQUENCY'].tolist()
while 0 in a:
a.remove(0)
原文链接:https://blog.csdn.net/xza13155/article/details/113822439