<>强如下所示:
matplotlib.pyplot.hist (
x,垃圾箱=10,射程=None,赋范=False,
重量=None,累积=False,底部=没有
histtype=u 'bar”、对齐=u 'mid”取向=u 'vertical ',
rwidth=没有日志=False,颜色=没有标签=None,堆放=False,
持有=None, * * kwargs)
<强> x: (n)数组或序列(n)数组
这个参数是指定每个垃圾桶(箱)子分布的数据,对x轴应
<强>垃圾箱:整数或array_like,可选
这个参数指定仓(箱子)的个数,也就是总共有几条条状图
<强>赋范:布尔,可选
如果这是真的,会返回第一个元素的元组数归一化形成一个概率密度,即n/(len (x)的dbin)
这个参数指定密度,也就是每个条状图的占比例比,默认为1
<强>颜色:颜色或array_like颜色或没有可选的
这个指定条状图的颜色
我们绘制一个10000个数据的分布条状图,共50份,以统计10000分的分布情况
”“”
演示的直方图(嘘)函数有几个特性。
除了基本的直方图,这个演示显示了一些可选特性:
*设置垃圾箱的数量数据
*“赋范”的旗帜,规范化本山庄这样的积分
直方图是1。生成的直方图是一个概率密度。
*设置颜色的酒吧
*设置不透明度(α值)。
”“”
进口numpy np
进口matplotlib。mlab作为mlab
进口matplotlib。pyplot作为plt
#示例数据
μ=100 #的分布
σ=15 #分布的标准偏差
x=μ+σ* np.random.randn (10000)
num_bins=50
#数据的直方图=plt n,垃圾箱,补丁。嘘(x, num_bins赋范=1,facecolor=袄丁?α=0.5)
#添加一个“最适合”
y=mlab。normpdf(垃圾箱,μ、σ)
plt。情节(垃圾箱,y, r——)
plt.xlabel(“智慧”)
plt.ylabel(概率)
plt。标题(r 'Histogram智商:\μ=100美元,美元\σ=15美元”)
#调整间距,以防止ylabel剪裁
plt.subplots_adjust(左=0.15)
plt.show ()
以上这篇关于python中plt.hist参数的使用详解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。
