NumPy - 使用 Matplotlib 绘制直方图

NumPy - 使用 Matplotlib 创建直方图

直方图 (histogram) 是数值数据分布的图形表示。它将数据点分组到指定的范围（称为 ‘bin’ 或 ‘数据分箱’），并绘制落入每个 bin 的数据点的频率 (count)，通常以条形图表示。

numpy.histogram()

NumPy 提供了 numpy.histogram() 函数来计算直方图数据（频率和 bin 边界），而无需实际绘制。如果你需要原始计数进行进一步分析，这将很有用。

它接受输入数据数组和期望的 bin 作为主要参数。bin 可以指定为一个整数（等宽 bin 的数量）或一个 bin 边界序列。

import numpy as np

# 示例数据
a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])

# 显式定义 bin 边界
bin_edges = [0, 20, 40, 60, 80, 100]

# 计算直方图
# 返回计数 (hist) 和 bin 边界 (bins)
hist, bins = np.histogram(a, bins=bin_edges)

print("Frequency counts per bin:")
print(hist)
print("\nBin edges:")
print(bins)

输出：

Frequency counts per bin:
[4 3 5 2 1]

Bin edges:
[  0  20  40  60  80 100]

解释：输出 hist [4 3 5 2 1] 表示：4 个值介于 0 和 20 之间（不包含 20），3 个值介于 20 和 40 之间，5 个值介于 40 和 60 之间，2 个值介于 60 和 80 之间，1 个值介于 80 和 100 之间。bins 输出确认了使用的边界。

使用 matplotlib.pyplot.hist() 绘图

np.histogram() 计算数据，而 matplotlib.pyplot.hist()（通常导入为 plt.hist()）则计算（如果需要）并直接绘制直方图。

plt.hist() 将数据数组和 bin 信息（类似于 np.histogram）作为输入，并生成可视化图形。

import matplotlib.pyplot as plt
import numpy as np

# 示例数据 (与之前相同)
a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])

# 定义 bin 边界
bin_edges = [0, 20, 40, 60, 80, 100]

# 直接创建直方图绘制
plt.hist(a, bins=bin_edges, edgecolor='black') # 添加边缘颜色以提高清晰度

plt.title("Data Distribution Histogram")
plt.xlabel("Value Ranges (Bins)")
plt.ylabel("Frequency (Count)")
plt.xticks(bin_edges) # 设置 x 轴刻度以匹配 bin 边界

plt.show()

预期输出描述：

此代码将显示一个包含条形图（直方图）的窗口。x 轴表示值范围（0-20、20-40、…、80-100）。y 轴表示每个范围内数据点的频率（计数）。将有 5 个条形，其高度对应于之前计算的计数（大约为 4、3、5、2、1）。条形图具有黑色边缘，以提高可见性。