Pandas DataFrame DataFrame.plot.hist() 函数

  2. 函数参考
  3. Python Pandas 函数
  4. Pandas DataFrame DataFrame.plot.hist() 函 …
Minahil Noor 2023年1月30日
Pandas Pandas DataFrame Pandas DataFrame Plot
  1. pandas.DataFrame.plot.hist() 语法
  2. 示例代码：DataFrame.plot.hist()
  3. 示例代码：DataFrame.plot.hist() 绘制复杂的直方图
  4. 示例代码： DataFrame.plot.hist() 改变 bin 数量
Pandas DataFrame DataFrame.plot.hist() 函数

Python Pandas DataFrame.plot.hist() 函数绘制了一个 DataFrame 的列的单一直方图。直方图以图形的形式表示数据。它可以创建范围的条形图。越高的条形图表明有更多的数据落入这个条形图的范围。

pandas.DataFrame.plot.hist() 语法

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

参数
by 它是一个字符串或序列。它代表 DataFrame 中要分组的列。
bins 它是一个整数。它表示直方块的数量。一个直方块就像一个范围，例如，0-5，6-10 等。
**kwargs 这些是自定义直方图的附加关键字参数。你可以在这里查看更多信息。

返回值

它返回一个绘制的直方图和 AxesSubplot 数据。

示例代码：DataFrame.plot.hist()

让我们先用一个简单的 DataFrame 绘制一个直方图。

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

我们的 DataFrame 看起来像，

 Value
0  100
1  200
2  300

这个函数的所有参数都是可选的。如果我们在执行这个函数时不传递任何参数，那么它将产生以下输出。

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()

输出：

AxesSubplot(0.125,0.125;0.775x0.755)

Pandas DataFrame.plot.hist 基础

示例代码：DataFrame.plot.hist() 绘制复杂的直方图

现在，我们将把我们的 DataFrame 转换为一个复杂的情况。

import pandas as pd
import numpy as np

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

print(dataframe)

我们的 DataFrame 变成：

 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]

我们已经使用 NumPy.random.randint() 函数创建了一个包含随机整数的 DataFrame。现在，我们将使用 DataFrame.plot.hist() 函数绘制这个 DataFrame 的直方图。

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()

输出：

AxesSubplot(0.125,0.125;0.775x0.755)

Pandas DataFrame.plot.hist 基础 2

该函数绘制了一个直方图，默认有 10 个 bin。它显示了 DataFrame 中三列的频率分布。每一列用特定的颜色表示。

示例代码： DataFrame.plot.hist() 改变 bin 数量

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()

输出：

AxesSubplot(0.125,0.125;0.775x0.755)

带有参数 bin 的 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()

输出：

AxesSubplot(0.125,0.125;0.775x0.755)

带有参数 50 bins 的 Pandas DataFrame.plot.hist

在第一个例子的代码中，我们将 bins 数改为 2，而在第二个例子的代码中，则是 50。请注意，bins 数越多，越容易理解直方图。第一个直方图是模糊的，因为我们无法看到 A 栏。

相关文章 - Pandas DataFrame

相关文章 - Pandas DataFrame Plot