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。

Python画频率分布直方图，不显示图形怎么办
Python画频率分布直方图
导入数据并作直方图
图形不显示的解决方法

Python画频率分布直方图
我们在拿到一组数据时，为了观察其大致分布，常常需要绘制其频率分布直方图。下面记录一下今天捯饬了大半天，用pycharm画出频率分布直方图的过程
导入数据并作直方图
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
import math

//编写函数
# 函数的定义参考博客：https://blog.csdn.net/whgyxy/article/details/88713917，并进行一些调整以适应非整数的数据
# 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 = np.arange(math.floor(np.min(data)), math.ceil(np.max(data)), bins_interval)
    print(len(bins))
    for i in np.arange(0, len(bins)):
        print(bins[i])
    plt.xlim(math.floor(np.min(data)) - margin, math.ceil(np.max(data)) + margin)
    plt.title("Probability-distribution")
    plt.xlabel('Interval')
    plt.ylabel('Probability/Interval')
    # normed参数调整density，为频率分布density=True，频次分布density=False
    prob,left,rectangle = plt.hist(x=data, bins=bins, density=True, histtype='bar')
    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')
    plt.show()
  
  //调用函数
 data=pd.read_excel('data.xlsx','Sheet3')  #读入数据
 if __name__ == '__main__':
   probability_distribution(data=data, bins_interval=5,margin=0)

图形不显示的解决方法
这时候使用以上代码会发现，没有报错，但是图形迟迟不出来。经过多次尝试，发现使用随机数据可以出图，但是导入的数据不行，所以是数据类型的问题。需要在导入数据时进行一下数据类型的转化即可，代码如下：
data=pd.read_excel('data.xlsx','Sheet3')  #导入数据
data=np.array(data) #通过该方法将数据由pandas.core.frame.Dataframe类型转变为numpy.ndarray格式

到这里就可以正常运行啦~需要注意的是python的循环是通过缩进来识别的，所以要注意语句的缩进。

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

#画频率分布直方图

#纵坐标名字为frequency，频数直方图。则使用：hist(x,freq=T)

#纵坐标名字为density，频率直方图。则使用：hist(x,freq=F)
hist(audit1[,1],col='white',freq=T)