首先按照惯例先来认识下直方图是谁,以下是从维基百科搬运过来的直方图的定义:
在统计学中,直方图(英语:Histogram)是一种对数据分布情况的图形表示,是一种二维统计图表,它的两个坐标分别是统计样本和该样本对应的某个属性的度量,以长条图(bar)的形式具体表现。因为直方图的长度及宽度很适合用来表现数量上的变化,所以较容易解读差异小的数值。
直方图也是用条形进行标注的,而条形图和直方图犹如孪生兄弟般让很多人都傻傻分不清,那么我们就先来好好区分一下这两种图形吧:
单纯文字不够直观的话,我们来个图感受下:
假设我们有一组数据,是一个学校200位同学的身高数据,如果想要知道该校学生身高的分布,那么直方图再合适不过了。
这里我用随机数生成了200个值在150到180之间的数表示身高信息:
data = np.random.randint(150,180,200) data
输出的结果:
array([162, 166, 158, 166, 165, 170, 157, 156, 164, 161, 154, 176, 166, 176, 153, 169, 164, 153, 171, 175, 171, 173, 155, 165, 168, 160, 162, 150, 151, 169, 166, 152, 174, 176, 160, 155, 158, 152, 159, 179, 179, 168, 178, 166, 174, 171, 167, 166, 165, 163, 164, 153, 153, 153, 162, 167, 169, 155, 155, 175, 161, 151, 173, 154, 151, 151, 166, 168, 167, 173, 166, 164, 175, 172, 163, 175, 154, 169, 160, 174, 163, 167, 156, 154, 157, 169, 160, 176, 150, 154, 158, 167, 164, 153, 152, 165, 165, 160, 167, 161, 164, 177, 177, 159, 161, 171, 169, 150, 165, 156, 156, 155, 165, 164, 179, 164, 179, 155, 172, 151, 178, 171, 164, 165, 161, 166, 170, 175, 163, 163, 179, 175, 173, 150, 171, 150, 178, 175, 152, 176, 168, 150, 172, 166, 176, 170, 174, 174, 152, 158, 171, 165, 167, 152, 163, 167, 164, 151, 174, 169, 169, 166, 167, 168, 179, 160, 179, 156, 168, 168, 172, 175, 160, 165, 160, 161, 164, 179, 158, 176, 175, 154, 167, 159, 153, 169, 151, 158, 163, 169, 155, 165, 178, 151, 168, 164, 169, 177, 150, 169])
以上就是200位同学的身高信息了,存储在一个数组中。
如果是常见的查看分布,直方图很容易绘制,这里我们通过这组数据探索下直方图函数中各个参数的作用,以更游刃有余的绘制符合需求的直方图。
bins参数指的是要将数据分成几组,它接收的参数可以是整数,也可以是序列,还可以是字符串,常用的是整数和序列。
通过代码来看一下区别:
fig = plt.figure(figsize=(16,4)) pic1 = fig.add_subplot(131) plt.hist(data) plt.title("bins默认10") pic2 = fig.add_subplot(132) plt.hist(data,bins = 15) plt.title("bins = 15") pic3 = fig.add_subplot(133) plt.hist(data,bins = [150,153,156,159,162,165,168,171,174,179]) plt.title("bins取值为序列");
能够看出即使是同一个数据集,分组的情况不同,呈现出来的分布也是有区别的,所以如何分组分成几组也是有学问的。
如果传给参数的是序列,则表示将每个分组的临界值都标识出来,缺点是比较麻烦,优点是很灵活,可以自主决定每个组的组距,每个组的组距都可以是不同的,如果分5组记得需要的临界值是6个,参数序列中需要有6个数值。
一般绘制直方图,都是对整个数据集绘制,有时候可能会有这样的需求,比如我想看该校中身高在155cm到175cm之间的身高分布,那么就需要将整个数据集中符合要求的身高挑选出来绘制直方图,实际上不用这么麻烦,用range参数就可以解决,这个参数就是指定绘图时使用数据的范围的,它接收的是一个元组,元组中放入两个数值表示所取数据的范围。
fig = plt.figure(figsize=(9,4)) pic1 = fig.add_subplot(121) plt.hist(data,bins = 10) plt.title('range默认None') pic2 = fig.add_subplot(122) plt.hist(data,bins = 10,range=(155,175)) #设置范围从155-175 plt.title('range=(155,175)');
能够看到x轴的数值范围发生了变化,整个直方图的形状也发生了变化。
这个参数的意思其实很直观,参数名字直译成中文就是密度的意思。普通的直方图y轴表示的都是频数,而通过density参数可以将y轴转化成密度刻度,这个参数接收布尔值,默认为None。
fig = plt.figure(figsize=(9,4)) pic1 = fig.add_subplot(121) plt.hist(data,bins = 10) #y轴表示计数 plt.title('density默认None') pic2 = fig.add_subplot(122) plt.hist(data,bins = 10, density=True) # density=True 将原本y轴的计数转换成概率密度的计数,直方图下面积为1 plt.title('density=True');
虽然两个图的形状是完全一模一样的,但是细看就能发现y轴的数值不一样,具体的参数作用已经以备注的形式标注到代码中了哦。
这里涉及到了另一个参数normed,这个参数已经被弃用了,它的作用和density一样,只用density就可以了,
大家对这个参数应该不陌生,它经常出现,表示权重。没错在这里也是表示设置权重。它接收的是一个序列,序列中是数值,数值的数量和原数据集中元素的个数一致,也就是每个数值都有自己单独的权重,我用随机数生成了200个数值作为权重传给参数,看一下和不设置权重时有哪些变化。
x0=np.random.rand(200)#生成总和为1的200个数,设置随机权重 ratio=1/sum(x0) x1=x0*ratio fig = plt.figure(figsize=(9,4)) pic1 = fig.add_subplot(121) plt.hist(data,bins = 10) plt.title('weights默认None') pic2 = fig.add_subplot(122) plt.hist(data,bins = 10,weights=x1) plt.title('设置weights');
当所有元素的权重都一样时是第一幅图的情况,而进行权重设置后,分布情况发生了变化,而且y轴也发生了变化,不再是单纯的计数。在实际工作中要谨慎使用权重,以符合业务需求为主哈。
如果英文比较好的人们,一眼就能看出这个参数的作用,直译成中文就是累积的意思。到这里又出现了一个小问题,很多人对“累积”和“累计”又傻傻分不清了,其实这两者还是很容易区分的,看下图特别直观:
是不是能直观区分“累积”和“累计”了?
那就继续探索cumulative参数吧,这个参数接收布尔值,默认为False,通过代码来看一下参数设置不同都有怎样的结果。
fig = plt.figure(figsize=(9,4)) pic1 = fig.add_subplot(121) plt.hist(data,bins = 10) plt.title('cumulative默认False') pic2 = fig.add_subplot(122) plt.hist(data,bins = 10,cumulative=True) #累积直方图,展示累积分布 plt.title('cumulative=True');
左边时普通的直方图,右边时累积直方图,同样可以根据实际的业务需求来进行参数设置哦。
由于篇幅有限,对直方图函数的介绍就先到这里啦。细心的小伙伴可能发现了介绍参数的顺序就是按照函数官方文档中参数的顺序来的,没错,就是按照这个顺序进行的。但是参数中的第一个参数x却没有进行介绍,是这个参数没什么可介绍的嘛?当然不是,这个参数也是有些小细节需要注意的,具体的讲解留到下一篇文章和其他参数一起介绍啦。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10推荐学习书籍 《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门! ...
2025-03-07在数据驱动决策的时代,掌握多样的数据分析方法,就如同拥有了开启宝藏的多把钥匙,能帮助我们从海量数据中挖掘出关键信息,本 ...
2025-03-06在备考 CDA 考试的漫漫征途上,拥有一套契合考试大纲的优质模拟题库,其重要性不言而喻。它恰似黑夜里熠熠生辉的启明星,为每一 ...
2025-03-05“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关 ...
2025-03-04以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-04在现代商业环境中,数据分析师的角色愈发重要。数据分析师通过解读数据,帮助企业做出更明智的决策。因此,考取数据分析师证书成为了许多人提升职业竞争力的选择。本文将详细介绍考取数据分析师证书的过程,包括了解证书种类和 ...
2025-03-03在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2025-03-03数据分析师认证考试全面升级后,除了考试场次和报名时间,小伙伴们最关心的就是报名费了,报 ...
2025-03-032025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-03-03大数据分析师培训旨在培养学员掌握大数据分析的基础知识、技术及应用能力,以适应企业对数据分析人才的需求。根据不同的培训需求 ...
2025-03-03小伙伴们,最近被《哪吒2》刷屏了吧!这部电影不仅在国内掀起观影热潮,还在全球范围内引发了关注,成为中国电影崛起的又一里程 ...
2025-03-03以下的文章内容来源于张彦存老师的专栏,如果您想阅读专栏《Python 数据可视化 18 讲(PyEcharts、Matplotlib、Seaborn)》,点 ...
2025-02-28最近,国产AI模型DeepSeek爆火,其创始人梁文峰走进大众视野。《黑神话:悟空》制作人冯骥盛赞DeepSeek为“国运级别的科技成果” ...
2025-02-271.统计学简介 听说你已经被统计学劝退,被Python唬住……先别着急划走,看完这篇再说! 先说结论,大多数情况下的学不会都不是知 ...
2025-02-27“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩稳定, ...
2025-02-26在数据分析工作中,你可能经常遇到这样的问题: 从浏览到消费的转化率一直很低,那到底该优化哪里呢? 如果你要投放广告该怎么 ...
2025-02-25近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的,尤 ...
2025-02-25挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-25