首页python绘制图像的频率分布直方图

python绘制图像的频率分布直方图

时间: 2025-06-20 09:50:49 浏览: 18

### 使用 Python 绘制频率分布直方图 #### Matplotlib 库绘制频率分布直方图 Matplotlib 是一个强大的绘图库，能够创建静态、动画以及交互式的图表。对于绘制频率分布直方图而言，`pyplot.hist()` 函数非常实用。 ```python import numpy as np import matplotlib.pyplot as plt # 创建随机数据集 data = np.random.randn(1000) plt.figure(figsize=(8, 6)) plt.hist(data, bins=30, edgecolor='black', alpha=0.7) plt.title('Frequency Distribution Histogram using Matplotlib') plt.xlabel('Value') plt.ylabel('Frequency') plt.grid(True) plt.show() ``` 此代码片段展示了如何利用 `hist()` 方法来生成直方图，并通过调整参数如 `bins`, `edgecolor`, 和 `alpha` 来优化视觉效果[^1]。 #### Seaborn 库绘制频率分布直方图 Seaborn 构建于 Matplotlib 基础之上并提供更简洁的数据探索接口。其内置样式使得默认情况下所生成的图形更加美观。为了绘制频率分布直方图，可以使用 `displot()` 或者直接调用 `histplot()` 函数。 ```python import seaborn as sns sns.set_theme(style="whitegrid") tips = sns.load_dataset("tips") # 加载示例数据集 ax = sns.displot(tips["total_bill"], kde=False, color="skyblue", height=6, aspect=1.5) ax.set(title='Frequency Distribution Histogram using Seaborn', xlabel='Total Bill Amount ($)', ylabel='Count') plt.show() # 或者使用 histplot() 更加直观的方式 sns.histplot(data=tips, x="total_bill", kde=True, color="olive", bins=30) plt.title('Frequency Distribution with KDE Overlay using Seaborn') plt.show() ``` 上述例子不仅说明了怎样构建基础直方图，还介绍了添加核密度估计(KDE)曲线的方法以更好地理解数据分布特性[^2].

阅读全文