week10-直方图 - 技术栈

plt.hist / ax.hist 直方图

直方图：连续数值分布 ，自动分箱统计每个区间样本数量；和柱状图（离散分类）不一样！函数：plt.hist(x) 或者面向对象写法 ax.hist(x) 返回值：n, bins, patches

n：每个箱子里的数量

bins：箱子边界

patches：图形对象，可单独修改颜色

✅ 常用参数

参数	说明
x	一维数组/列表，原始连续数据
bins	箱子数量（整数）；或者自定义区间边界列表 `[0,20,40,60]`
range	元组 `(min,max)`，限定统计范围，超出直接丢弃
density	`True` → 概率密度（总面积=1）；`False` 默认，频数（个数）
cumulative	`True` 累积直方图
histtype	`bar`(默认), `barstacked`堆叠, `step`空心线框, `stepfilled`填充阶梯
rwidth	柱子相对宽度，0~1，小于1柱子之间有空隙
edgecolor	柱子边框颜色，常用 `edgecolor='black'`
color / alpha	填充颜色、透明度
log	`True` y轴对数刻度，适合长尾分布

重点：bins 列表时，区间是左闭右开 [a,b)，最后一个区间是闭区间

📌 最简示例

python 复制代码

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 直接给定成绩数据，不再随机生成
data = [56, 62, 78, 65, 81, 72, 68, 59, 77, 85,
        74, 66, 70, 88, 79, 63, 75, 82, 71, 69,
        90, 76, 67, 83, 73, 55, 86, 78, 64, 80,
        72, 61, 74, 84, 77, 68, 87, 75, 66, 79]

print(sorted(data))

data = [55, 56, 59,
        61, 62, 63, 64, 65, 66, 66, 67, 68, 68, 69,
        70, 71, 72, 72, 73, 74, 74, 75, 75, 76, 77, 77, 78, 78, 79, 79,
        80, 81, 82, 83, 84, 85, 86, 87, 88,
        90]

fig, ax = plt.subplots(figsize=(8,5))
n, bins, patches = ax.hist(
    data,
    bins=10,
    density=False,
    color="#72a0c1",
    edgecolor="black",
    rwidth=0.8
)

ax.set_title("学生成绩分布直方图")
ax.set_xlabel("分数")
ax.set_ylabel("人数")

print(bins)

# bins 就是所有柱子边界，逐个标注在x轴下方
for b in bins:
    ax.text(b, -0.8, f'{b:.1f}', ha='center', fontsize=9, color='red')

plt.tight_layout()
plt.show()

⚠️ 高频易错考点（适合出题）

直方图是连续数据，柱子默认紧挨；柱状图是离散类别，柱子分开
bins=10：一共10个箱子，返回11个边界值
density=True 纵轴不再是个数，是密度，所有矩形面积之和=1
cumulative=True：从左往右累加
histtype='step'：只有轮廓线，没有填充色块

📌 和柱状图对比

hist 直方图：x是连续数值，自动分箱，看分布
bar 柱状图：x是分类标签，每个标签单独一根柱子，看类别对比

📌 面向对象写法 vs pyplot写法

复制代码

# pyplot 写法
plt.hist(data, bins=10)
# 面向对象（推荐，适合多子图、精细标注annotate/text）
fig,ax=plt.subplots()
ax.hist(data,bins=10)

python 复制代码

# 1. 导入matplotlib绘图库，简写plt
import matplotlib.pyplot as plt
# 2. 导入pandas数据处理库，简写pd
import pandas as pd
# 3. 导入numpy数值计算库，简写np（本段代码其实没有用到np）
import numpy as np
# 4. 注释：读取数据
# 5. 读取csv文件，r""原始字符串防止路径转义；encoding='gbk'适配中文gbk编码
data=pd.read_csv(r"datasource/CommentInfo.csv",encoding='gbk')
# 6. 设置全局字体为SimHei黑体，解决matplotlib中文方框乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
# 7. 解决负号显示成方框的问题，正常显示减号
plt.rcParams['axes.unicode_minus'] = False
# 8. 设置全局默认字体大小14号
plt.rcParams['font.size'] = 14
# 9. 取出data里votes点赞这一列，赋值给vote，是Series序列
vote = data['votes']
# 10. 打印点赞数的最大值、最小值，快速了解数据范围
print(vote.max(),vote.min())
# 11. 创建画布，画布尺寸：宽12英寸，高8英寸
plt.figure(figsize=(12,8))
# 12. 子图划分：2行1列，选中第1个子图（211 = 2行,1列,第1块）
plt.subplot(211)
# 13. 定义第一个直方图的分组区间bins1，间隔5000
bins1=[0,5000,10000,15000,20000,25000,30000,35000,40000,45000,50000,55000,60000,65000,70000]
# 14. 绘制直方图：数据vote，分组bins1；柱子灰色、边框红色、透明度0.7
plt.hist(vote,bins=bins1, facecolor='gray', edgecolor='red', alpha=0.7)
# 15. 设置第一个子图标题，字号16
plt.title('用户评论点赞数分布情况',fontsize=16)
# 16. 设置y轴标签：评论数量（y代表频次，有多少条评论落在区间内）
plt.ylabel('评论数量')
# 17. x轴刻度直接使用我们定义的bins区间
plt.xticks(bins1)
# 18. 选中2行1列里的第2个子图（212）
plt.subplot(212)
# 19. 第二个直方图分组bins2，小间隔，放大看低点赞区域
bins2=[0,100,200,400,1000,2000,3000,4000,5000]
# 20. 绘制第二个直方图，配色、透明度和上图保持一致
plt.hist(vote,bins=bins2, facecolor='gray', edgecolor='red', alpha=0.7)
# 21. 设置第二个子图x轴标签：点赞数
plt.xlabel('点赞数')
# 22. 设置第二个子图y轴标签
plt.ylabel('评论数量')
# 23. x刻度使用bins2，文字旋转45°，防止文字重叠挤在一起
plt.xticks(bins2, rotation=45)
# 24. 固定y轴上限400，让两个子图y轴范围统一，方便对比
plt.ylim(0,400)
# 25. 展示绘制好的全部图形
plt.show()

✅ 代码整体逻辑说明

画两张上下排布的直方图，对比点赞数分布：

上图：大区间（步长 5000），看高点赞整体分布
下图：小区间（步长很小），重点观察低点赞（0~5000）的密集分布

业务含义：大部分影评点赞都很低，高赞评论很少