1、直方图plt.hist

直方图，又称质量分布图，它是条形图的一种，由一系列高度不等的纵向线段来表示数据分布的情况，直方图的横轴表示数据类型，纵轴表示分布情况

柱状图与直方图不同：

直方图用于概率分布，它显示一组数值序列在给定的数值范围内出现的频率

柱状图则用于展示各个类别的频数

柱状图                                            直方图

柱状图一般用于描述离散型分类数据的对比	直方图一般用于描述连续型数据的分布关系
每根柱子宽度固定，柱子之间有间距	每根柱子宽度可以不一样，且一般没有间距
横轴变量可以任意排序	横轴变量有一定顺序规则

 

 

 

 

将统计值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值，

直方图也可以归一化以显示“相对”频率，然后，它显示了属于几个类别中的每个类别的占比，其高度总和等于1。

plt.hist(x,bins=None,range=None....bottom=None,.......)

• x:作直方图要用的数据，必须是一维数组
• bins:直方图的柱子数，即要分的组数，默认为10 

#临时设置
plt.rcParams['font.sans-serif']=["SimHei"]
#中文符号
plt.rcParams['axes.unicode_minus']=False
#设置分辨率为100
plt.rcParams['figure.dpi']=100

#设置画布大小
plt.rcParams['figure.figsize']=(5,3)



#使用numpy随机生成300个随机数据
x_value=np.random.randint(140,180,300)

#绘制直方图，第一个参数是数据,第二个参数是柱子数，第三个是边框为白色可以区分开
plt.hist(x_value,bins=10,edgecolor='white')
plt.title("数据统计")
plt.xlabel("身高")
plt.ylabel("比率")

  2、添加折线直方图

在直方图中，我们可以加一个折线图，辅助我们查看数据变化情况

• 首先通过pylot.subplots()创建Axes对象
• 通过Axes对象调用hist()方法绘制直方图，返回折线图所需要的x、y数据
• 然后Axes对象调用plot（）绘制折线图

#创建一个画布
fig,ax=plt.subplots()

#绘制直方图
##绘制直方图(num,bins_limit,patches均是直方图的返回值，num是每个柱子的高，bins_limit是每个柱子的宽度范围，patches返回每个bin里面包含的数据，是一个list)
num,bins_limit,patches=ax.hist(x_value,bins=10,edgecolor='white')

#注意num返回的个数是10，bins_limit返回的个数为11，需要截取
print(bins_limit[:10])#切片，x轴
#曲线图
ax.plot(bins_limit[:10],num,'--',marker='o')
#           x轴          y轴

 3、饼状图

#定义饼的标签
labels=['娱乐','育儿','饮食','房贷','交通','其他']

#每个标签所占的数量
x=[200,500,1200,7000,200,900]

plt.title("饼状图--家庭支出")

#%.2f%%显示百分比，保留2位小数
plt.pie(x,labels=labels,autopct='%.2f%%')

 饼状图的分离

 

 设置饼状图百分比和文本距离中心距离：

• pctdistance:设置百分比标签与圆心的距离
• labeldistance:设置各扇形标签（图例）与圆心的距离