matplot画图详解

所有的图的画法见https://matplotlib.org/ 官网，里面有各种图的示例。

1、直方图绘图：

plt.hist:

参数设置：

x: 指定每个bin(组)分布的数据,对应x轴

bins: (num_bins) 总共有几条条状图

color:颜色

density：如果为True，则返回元组的第一个元素将是规范化以形成概率密度的计数，即直方图下的面积（或积分）将总和为1.这是通过将计数除以观察次数来实现的。

    # example data  
    mu = 100 # mean of distribution  
    sigma = 15 # standard deviation of distribution  
    x = mu + sigma * np.random.randn(10000)  #生成均值是100方差是15的数据，作为x轴
      
    num_bins = 50  # 条状图的个数
    # 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--')  #画出分布曲线
    plt.xlabel('Smarts')  
    plt.ylabel('Probability')  
    plt.title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')  

 直方图的统计学意义需要注意一下，一般而言，想到的是中学学到的身高情况的分布，体重，体育测试成绩的分布等等，某个区间段到某个区间段的人数是多少，通过直方图的形式可以很容易的看出来，现在重新审视这种表现方式，如果将横坐标看作是连续的，那么是有一种概率密度的意味的。