Pandas DataFrame DataFrame.plot.hist() 함수

  2. 함수 참조
  3. Python Pandas 함수
  4. Pandas DataFrame DataFrame.plot.hist() 함 …
Minahil Noor 2023년1월30일
Pandas Pandas DataFrame Pandas DataFrame Plot
  1. pandas.DataFrame.plot.hist()구문
  2. 예제 코드: DataFrame.plot.hist()
  3. 예제 코드: 복잡한 히스토그램을 그리는DataFrame.plot.hist()
  4. 예제 코드: Bin 수를 변경하는DataFrame.plot.hist()
Pandas DataFrame DataFrame.plot.hist() 함수

Python Pandas DataFrame.plot.hist() 함수는DataFrame 열의 단일 히스토그램을 그립니다. 히스토그램은 그래픽 형식의 데이터를 나타냅니다. 범위의 막대를 만듭니다. 더 큰 막대는 더 많은 데이터가이 막대의 범위에 속함을 나타냅니다.

pandas.DataFrame.plot.hist()구문

DataFrame.sample(by=None, bins=10, **kwargs)

매개 변수
by 문자열 또는 시퀀스입니다. 그룹화 할DataFrame의 열을 나타냅니다.
bins 정수입니다. 히스토그램 빈의 수를 나타냅니다. 빈은 범위와 같습니다 (예 : 0-5, 6-10 등).
**kwargs 히스토그램을 사용자 정의하기위한 추가 키워드 인수입니다. 여기에서 확인할 수 있습니다.

반환

플로팅 된 히스토그램과AxesSubplot 데이터를 반환합니다.

예제 코드: DataFrame.plot.hist()

먼저 간단한 DataFrame을 사용하여 히스토그램을 플로팅 해 보겠습니다.

import pandas as pd
dataframe = pd.DataFrame({'Value':[100, 200, 300]})
print(dataframe)

DataFrame은 다음과 같습니다.

 Value
0  100
1  200
2  300

이 함수의 모든 매개 변수는 선택 사항입니다. 매개 변수를 전달하지 않고이 함수를 실행하면 다음 출력이 생성됩니다.

import pandas as pd
from matplotlib import pyplot as plt

dataframe = pd.DataFrame({"Value": [100, 200, 300]})

histogram = dataframe.plot.hist()
print(histogram)
plt.show()

출력:

AxesSubplot(0.125,0.125;0.775x0.755)

Pandas DataFrame.plot.hist 기본

예제 코드: 복잡한 히스토그램을 그리는DataFrame.plot.hist()

이제DataFrame을 복잡한 것으로 변환합니다.

import pandas as pd
import numpy as np

dataframe = pd.DataFrame(np.random.randint(0, 200, size=(200, 3)), columns=list("ABC"))

print(dataframe)

우리의DataFrame은

 A    B    C
0     15  163  163
1     29    7   54
2    195   40    6
3    183   92   57
4     72  167   40
..   ...  ...  ...
195   79   35    7
196  122   79  142
197  121   46  124
198  138  141  114
199  148   95  129

[200 rows x 3 columns]

NumPy.random.randint() 함수를 사용하여 다음을 포함하는DataFrame을 만들었습니다. 임의의 정수. 이제DataFrame.plot.hist()함수를 사용하여이DataFrame의 히스토그램을 그릴 것입니다.

import pandas as pd
import numpy as np

from matplotlib import pyplot as plt

dataframe = pd.DataFrame(np.random.randint(0, 200, size=(200, 3)), columns=list("ABC"))

histogram = dataframe.plot.hist()
print(histogram)
plt.show()

출력:

AxesSubplot(0.125,0.125;0.775x0.755)

Pandas DataFrame.plot.hist 기본 2

이 함수는 기본적으로 빈이 10 개인 히스토그램을 그렸습니다. DataFrame의 3 개 열의 빈도 분포를 보여줍니다. 각 열은 특정 색상으로 표시됩니다.

예제 코드: Bin 수를 변경하는DataFrame.plot.hist()

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

dataframe = pd.DataFrame(np.random.randint(0, 200, size=(200, 3)), columns=list("ABC"))

histogram = dataframe.plot.hist(bins=2)
print(histogram)
plt.show()

출력:

AxesSubplot(0.125,0.125;0.775x0.755)

매개 변수 bin이있는 Pandas DataFrame.plot.hist

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

dataframe = pd.DataFrame(np.random.randint(0, 200, size=(200, 3)), columns=list("ABC"))

histogram = dataframe.plot.hist(bins=50)
print(histogram)
plt.show()

출력:

AxesSubplot(0.125,0.125;0.775x0.755)

매개 변수가 50 개 구간 인 Pandas DataFrame.plot.hist

첫 번째 예제 코드에서는 빈 수를 2로 변경하고 두 번째 예제 코드에서는 50입니다. 빈 수가 많을수록 히스토그램을 이해하기가 더 쉽습니다. 첫 번째 히스토그램은 열 A막대를 볼 수 없기 때문에 모호합니다.

관련 문장 - Pandas DataFrame

관련 문장 - Pandas DataFrame Plot