初步

对于大量样本来说，如果想快速获知其分布特征，最方便的可视化方案就是直方图，即统计落入不同区间中的样本个数。

以正态分布为例

import numpy as np
import matplotlib.pyplot as plt

xs = np.random.normal(0, 1, size=(5000))
fig = plt.figure()
for i,b in enumerate([10, 50, 100, 200],1):
    ax = fig.add_subplot(2,2,i)
    plt.hist(xs, bins=b)

plt.show()

其中bins参数用于调控区间个数，出图结果如下

参数

直方图函数的定义如下

hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

除了x和bins之外，其他参数含义为

• range 绘图区间，默认将样本所有范围纳入其中
• density 为True时，纵坐标单位是占比
• weights 与x个数相同，表示每个值所占权重
• cumulative 为True时，将采取累加模式
• bottom y轴起点，有了这个，可以对直方图进行堆叠
• histtype 绘图类型
• align 对其方式，可选left, mid, right三种，代表左中右
• oritentation 绘制方向，可选vertical和horizontal两种
• rwitdth 数据条宽度
• log 为True时，开启对数坐标
• color, label 颜色，标签
• stacked

绘图类型

histtype共有4个选项，分别是bar, barstacked, step以及stepfilled，其中barstacked表示堆叠，下面对另外三种参数进行演示

types = ['bar', 'step', 'stepfilled']
fig = plt.figure()
for i,t in enumerate(types,1):
    ax = fig.add_subplot(1,3,i)
    plt.hist(xs, bins=50, histtype=t, rwidth=0.5)

plt.show()

效果如下

堆叠直方图，就是把多个直方图叠在一起

bins = [10, 30, 100]
ws = [1, 0.7, 0.5]

for b,w in zip(bins, ws):
    print(b,w)
    plt.hist(xs, bins=b, density=True, 
        histtype='barstacked', rwidth = w, alpha=w)

plt.show()

效果如下

多组数据直方图对比

直方图中设置了rwidth选项，这意味着可以通过合理安排数据条宽度，以实现多组数据直方图在一个图像中更加

N = 10000
labels = ["norm", "power", "poisson"]
data = np.array([
    np.random.normal(0, 1, size=N)**2,
    np.random.power(5, size=N),
    np.random.uniform(0, 1, size=N)
]).T

plt.hist(data, 50, density=True, range=(0,1), label=labels)
plt.legend()
plt.show()

其中，data为3组统计数据，hist函数会自行规划画布，效果如下