Python数据分析：直方图及子图的绘制

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_43679030/article/details/86188426

1.直方图的绘制也需要用到matplotlib下的pylab，只不过在绘制折线图时我们采用的是plot()，而绘制直方图时我们需要采用hist()。由于在绘制过程中缺少真实数据，我在这里采用np.random.normal(a,b,c)生成的随机数绘制直方图，a为平均值，b为标准差，c为生成数据的个数。利用np.arange(a,b,c)确定直方图x轴的范围及间距，a为最小值，b为最大值，c为间距。用plt.hist(a,b)绘制，a为数据，b为直方图的特性，可有可无。

import matplotlib.pylab as plt
import numpy as np
da = np.random.normal(5.0, 0.5, 3000)
dis = np.arange(3.5, 5, 0.1)
plt.hist(da, dis)
plt.show()

2.绘制子图时，我们需要先将空间分为若干份，这时需要采用命令plt.subplot(a,b,c)，其中a表示行，b表示列，c表示从第一行开始从左向右数到c的当前区域。例如，如果想要在第一行绘制三个子图，第二行绘制一个子图，需要采用以下代码

import matplotlib.pylab as plt
import numpy as np
plt.subplot(2, 3, 1)
plt.subplot(2, 3, 2)
plt.subplot(2, 3, 3)
plt.subplot(2, 1, 2)
plt.show()

3.区域拆分结束后我们该怎样在每个区域内绘制相应的图像呢？我们在前面用代码将区域拆分为了四部分，如果我们想在某个区域内绘图，只需将绘图代码写在那一部分的代码下即可

import matplotlib.pylab as plt
import numpy as np
plt.subplot(2, 3, 1)	#下面的语句绘制第一个子图
x1 = [1, 3, 5, 7, 9, 11]
y1 = [2, 4, 6, 8, 10, 12]
plt.plot(x1, y1, 'c')
plt.subplot(2, 3, 2)	#下面的语句绘制第二个子图
x2 = [3, 5, 6, 7, 9, 13, 20]
y2 = [1, 6, 2, 3, 5, 7, 11]
plt.plot(x2, y2, 'ob')
plt.subplot(2, 3, 3)	#下面的语句绘制第三个子图
x3 = [2, 5, 7, 8, 10, 11]
y3 = [3, 5, 4, 1, 15, 10]
plt.plot(x3, y3, '-.')
plt.plot(x3, y3, 's')
plt.subplot(2, 1, 2)	#下面的语句绘制第四个子图
da = np.random.normal(5.0, 0.5, 3000)
dis = np.arange(3.5, 5, 0.1)
plt.hist(da, dis)
plt.show()