一起学Python第113天:Matplotlib 直方图,给数据做＂体检＂,一眼看穿分布与异常
- 2026-08-18 23:11:20
一起学Python第113天:Matplotlib 直方图,给数据做＂体检＂,一眼看穿分布与异常二、核心 API：
效果：三个"小山包"并排，均值差异一目了然。 🔥 
效果：y轴不再是"有多少人"，而是"概率密度"。配合理论曲线，一眼看出数据是否符合正态分布。 
🎯 今日金句：直方图是数据的X光片——它不告诉你谁高谁低，而是照出数据的骨骼与脾气：是匀称、偏瘦，还是藏着一颗"肿瘤"（异常值）。
📅 系列：一起学Python | 难度：⭐⭐⭐
🔗 上期回顾：第112天：饼图
一、直方图：数据的"体检报告"
柱状图对比的是不同类别的高低，而直方图（Histogram）看的是同一组数据的分布。
它能回答三个关键问题：
📍 中心在哪？ 数据集中在哪个区间？
📐 偏不偏？ 是左偏（长尾在左）还是右偏（长尾在右）？
👀 有没有异常值？ 有没有远离主体的"孤胆英雄"？
一句话：直方图是探索性数据分析（EDA）的必备武器。
二、核心 API：hist() 参数全解析
matplotlib.pyplot.hist(x, bins=None, range=None, density=False,cumulative=False, histtype='bar',align='mid', orientation='vertical',rwidth=None, color=None, alpha=None,stacked=False, label=None)
x | np.random.randn(1000) | |
bins | 1030、50 | |
range | (0, 100) | |
density | FalseTrue（密度） | |
cumulative | FalseTrue | |
histtype | 'bar''step'、'stepfilled' | |
align | 'left''mid'（默认）、'right' | |
orientation | 'vertical''horizontal' | |
rwidth | 0.81.0（无缝） | |
color | 'skyblue''#2E86AB' | |
alpha | 0.5 | |
stacked | FalseTrue | |
edgecolor | 'white''black' |
三、从入门到精通：6个实战示例
示例 1：基础直方图——数据的"身材"
import numpy as npimport matplotlib.pyplot as pltimport matplotlib.font_manager as fmimport os# ================= 1. 字体加载（解决报错的核心） =================font_path = "simhei.ttf" # 确保你已经在当前目录上传了 simhei.ttfif not os.path.exists(font_path):font_path = "/usr/share/fonts/truetype/wqy/wqy-zenhei.ttc" # 备用系统字体prop = fm.FontProperties(fname=font_path)plt.rcParams['axes.unicode_minus'] = False# 生成1000个标准正态分布随机数data = np.random.randn(1000)plt.figure(figsize=(10, 6))plt.hist(data, bins=30, color='skyblue', edgecolor='white', alpha=0.8)plt.title('标准正态分布直方图', fontproperties=prop, fontsize=16)plt.xlabel('数值', fontproperties=prop)plt.ylabel('频数', fontproperties=prop)plt.grid(True, alpha=0.3, linestyle='--')plt.show()
效果：经典的"钟形曲线"轮廓，中间高、两边低。
💡 bins 调参技巧：bins 太少会丢失细节（变成几座大山），太多会过于稀疏（变成刺猬）。数据量1000时，bins=20~40 最合适。
示例 2：多组数据对比——谁更"集中"？
# 三组不同分布的数据data1 = np.random.normal(0, 1, 1000) # 均值0，标准差1data2 = np.random.normal(2, 1, 1000) # 均值2，标准差1data3 = np.random.normal(-2, 1, 1000) # 均值-2，标准差1plt.figure(figsize=(10, 6))plt.hist(data1, bins=30, alpha=0.5, label='A组（均值0）', color='#2E86AB')plt.hist(data2, bins=30, alpha=0.5, label='B组（均值2）', color='#E74C3C')plt.hist(data3, bins=30, alpha=0.5, label='C组（均值-2）', color='#27AE60')plt.title('三组数据分布对比', fontproperties=prop, fontsize=16)plt.xlabel('数值', fontproperties=prop)plt.ylabel('频数', fontproperties=prop)plt.legend(prop=prop)plt.grid(True, alpha=0.3)plt.show()
alpha=0.5 是关键：多组直方图叠加时，透明度必须调低，否则颜色会糊成一团。示例 3：概率密度直方图——面积 = 概率
data = np.random.normal(170, 10, 1000) # 身高数据：均值170，标准差10plt.figure(figsize=(10, 6))# density=True：y轴变为概率密度，所有柱子面积之和 = 1plt.hist(data, bins=30, density=True,color='#9B59B6', edgecolor='white', alpha=0.7)# 叠加理论正态分布曲线from scipy import statsxmin, xmax = plt.xlim()x = np.linspace(xmin, xmax, 100)plt.plot(x, stats.norm.pdf(x, 170, 10), 'r--', linewidth=2, label='理论曲线')plt.title('身高分布概率密度', fontproperties=prop, fontsize=16)plt.xlabel('身高（cm）', fontproperties=prop)plt.ylabel('概率密度', fontproperties=prop)plt.legend(prop=prop)plt.grid(True, alpha=0.3)plt.show()
示例 4：累积分布直方图——"从小到大"的累加
data = np.random.randn(1000)plt.figure(figsize=(10, 6))# cumulative=True：累积频数/概率plt.hist(data, bins=30, cumulative=True, density=True,color='#F39C12', edgecolor='white', alpha=0.8)plt.title('累积分布函数（CDF）', fontproperties=prop, fontsize=16)plt.xlabel('数值', fontproperties=prop)plt.ylabel('累积概率', fontproperties=prop)plt.grid(True, alpha=0.3)plt.show()
示例 5：阶梯图样式——更简洁的线条感
data = np.random.randn(1000)fig, axes = plt.subplots(1, 3, figsize=(15, 5))# bar（默认）axes[0].hist(data, bins=20, histtype='bar', color='#3498DB', edgecolor='white')axes[0].set_title('bar（默认）', fontproperties=prop)# step（无填充阶梯）axes[1].hist(data, bins=20, histtype='step', color='#E74C3C', linewidth=2)axes[1].set_title('step（线条）', fontproperties=prop)# stepfilled（填充阶梯）axes[2].hist(data, bins=20, histtype='stepfilled', color='#2ECC71', alpha=0.7)axes[2].set_title('stepfilled（填充阶梯）', fontproperties=prop)plt.suptitle('直方图样式对比', fontproperties=prop, fontsize=14)plt.tight_layout()plt.show()
示例 6：结合 Pandas——数据分析一条龙
import pandas as pd# 生成数据data = pd.Series(np.random.normal(170, 10, 250))plt.figure(figsize=(10, 6))# 直接用 plt.hist() 传入 Pandas Seriesplt.hist(data, bins=15, color='#1ABC9C', edgecolor='white', alpha=0.8)# 添加统计信息mean = data.mean()std = data.std()plt.axvline(mean, color='red', linestyle='--', linewidth=2, label=f'均值: {mean:.1f}')plt.axvline(mean + std, color='orange', linestyle=':', linewidth=2, label=f'±1σ')plt.axvline(mean - std, color='orange', linestyle=':', linewidth=2)plt.title('Pandas 数据直方图 + 统计标注', fontproperties=prop, fontsize=16)plt.xlabel('数值', fontproperties=prop)plt.ylabel('频数', fontproperties=prop)plt.legend(prop=prop)plt.grid(True, alpha=0.3)plt.show()
四、直方图 vs 柱状图：千万别混了！
五、避坑指南
六、参数速查卡
# 基础直方图plt.hist(data, bins=30)# 美化版plt.hist(data, bins=30, color='skyblue', edgecolor='white', alpha=0.8)# 概率密度plt.hist(data, bins=30, density=True)# 累积分布plt.hist(data, bins=30, cumulative=True, density=True)# 多组对比plt.hist(data1, bins=30, alpha=0.5, label='A组')plt.hist(data2, bins=30, alpha=0.5, label='B组')plt.legend()# 阶梯样式plt.hist(data, bins=30, histtype='step', linewidth=2)
七、今日练习
基础题：生成500个均值为50、标准差为15的随机数，绘制直方图，
bins=25进阶题：绘制两组学生成绩的直方图（A班均值75，B班均值82），用透明度叠加对比
挑战题：绘制概率密度直方图，并叠加正态分布理论曲线，标注均值和标准差线
八、总结
今天我们掌握了 Matplotlib 直方图的核心技能：
✅
plt.hist()—— 基础直方图，探索数据分布✅
bins—— 控制粒度，太少丢细节，太多变稀疏✅
density=True—— 概率密度，面积=概率✅
cumulative=True—— 累积分布，看"从小到大"的累加✅
histtype——bar/step/stepfilled，风格切换✅ 多组叠加 ——
alpha透明度是关键✅ 与 Pandas 结合 —— 数据分析流程无缝衔接
关键记忆：直方图看分布，柱状图看对比；bins 是分辨率，density 是概率尺。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
