Matplotlib hist()绘制直方图（附带实例）

直方图又称质量分布图，用一系列高度不等的纵向条纹或线段表示数据的分布情况。一般横轴表示数据类型，纵轴表示数据分布情况。

直方图是数值数据分布的精确图形表示，是连续变量（定量变量）的概率分布估计。

绘制直方图主要使用 hist() 函数，语法格式如下：

matplotlib.pyplot.hist(x,bins=None,range=None,density=None,bottom=None,histtype='bar',align='mid',log=False, color=None, label=None, stacked=False, normed=None)

参数说明：

• x：数据集，最终的直方图将对数据集进行统计；
• bins：统计数据的区间分布；
• range：元组类型，显示区间；
• density：布尔值，表示是否显示频率统计结果，默认值为 False，为 True 则显示频率统计结果。需要注意，频率统计结果=区间数目/（总数×区间宽度）；
• histtype：可选参数，设置值为 bar、barstacked、step 或 stepfilled，默认值为 bar，推荐使用默认值；
• align：可选参数，值为 left、mid 或 right，默认值为 mid，控制直方图的水平分布，设置为 left 或者 right 时会有部分空白区域，推荐使用默认值；
• log：布尔值，默认值为 False，指明 y 轴是否使用指数刻度；
• stacked：布尔值，默认值为 False，指明是否为堆积状图。

下面绘制简单直方图，程序代码如下：

import matplotlib.pyplot as plt
x=[22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]
plt.hist(x, bins = [0,25,50,75,100])
plt.show()

运行程序，结果如图 1 所示：


再例如，通过直方图分析学生数学成绩分布情况，程序代码如下：

# 导入相关模块
import pandas as pd
import matplotlib.pyplot as plt
# 读取Excel文件
df = pd.read_excel(io='../datas/grade.xlsx',sheet_name="数学")
plt.rcParams['font.sans-serif']=['SimHei'] # 解决中文乱码问题
x=df['得分'] # x轴数据
plt.xlabel('分数') # x轴标题
plt.ylabel('学生数量') # y轴标题
plt.title('高一数学成绩分布直方图') # 图表标题
# 绘制直方图
plt.hist(x, bins = [0,25,50,75,100,125,150],facecolor="blue", edgecolor="black", alpha=0.7)
plt.show() # 显示图表

运行程序，结果如下图所示：


在上述示例中，通过直方图可以清晰地看到高一数学成绩分布情况：基本呈现正态分布，两边低中间高，高分段学生缺失，说明试卷有难度。通过直方图还可以分析以下内容：

• 对学生进行比较。呈正态分布的结果便于选拔优秀生，甄别落后生；
• 确定人数和分数线。成绩符合正态分布可以帮助确定等级评定人数，估计某分数段内的人数，确定录取分数线、各学科的优秀生占比等；
• 分析测验试题难度。