今日の小さな皆がplt.hist詳細なパラメータ、良い基準値上のpythonの使用を共有するため、我々は手助けをしたいです。小扁は、一緒にそれを見るためにフォローアップするために
、次のように：
matplotlib.pyplot.hist(
x, bins=10, range=None, normed=False,
weights=None, cumulative=False, bottom=None,
histtype=u'bar', align=u'mid', orientation=u'vertical',
rwidth=None, log=False, color=None, label=None, stacked=False,
hold=None, **kwargs)
X（N）配列または配列の（N）のアレイ
このパラメータは、x軸に対応し、データ配信の各ビン（bin）に指定されています
ビン：整数またはarray_like、オプション
このパラメータは、すなわち、いくつかの棒グラフの合計、ビン（箱）の数を指定します
ノルム：ブール、オプション
Trueの場合、リターンタプルの最初の要素、すなわち、N /（LEN（X） `DBIN）、確率密度を形成するために、正規化カウントであろう
このパラメータは、各棒グラフの割合比密度を、指定し、デフォルト値は1であります
色：色またはなし、オプションの色やarray_like
指定されたカラーバーチャート
私たちは、棒グラフに10,000ポイントの統計的分布に基づい万のデータ、50部の合計の分布を描きます
"""
Demo of the histogram (hist) function with a few features.
In addition to the basic histogram, this demo shows a few optional features:
* Setting the number of data bins
* The ``normed`` flag, which normalizes bin heights so that the integral of
the histogram is 1. The resulting histogram is a probability density.
* Setting the face color of the bars
* Setting the opacity (alpha value).
"""
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
# example data
mu = 100 # mean of distribution
sigma = 15 # standard deviation of distribution
x = mu + sigma * np.random.randn(10000)
num_bins = 50
# the histogram of the data
n, bins, patches = plt.hist(x, num_bins, normed=1, facecolor='blue', alpha=0.5)
# add a 'best fit' line
y = mlab.normpdf(bins, mu, sigma)
plt.plot(bins, y, 'r--')
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')
# Tweak spacing to prevent clipping of ylabel
plt.subplots_adjust(left=0.15)
plt.show()
これ以上plt.hist詳細なパラメータでの使用のpythonについてのすべての内容全体を共有する小さなシリーズである
公共機関[プログラマ]の数を推奨するすべての人のために良かった最終的に、古いタイマーはスキルを学ぶ多くの学習がありますヒント、面接スキル、職場体験や他の共有、より多くの我々は慎重に、実際のプロジェクトに関する情報をゼロベースの入門情報を用意し、タイミングが毎日Pythonプログラマの技術を説明するために持っているが、いくつかの学習方法と細部への注意を払う必要性を共有します
