直方圖是一個可以快速展示數據概率分布的工具，直觀易于理解，并深受數據愛好者的喜愛。大家平時可能見到最多就是?matplotlib，seaborn?等高級封裝的庫包，類似以下這樣的繪圖。

本篇博主將要總結一下使用Python繪制直方圖的所有方法，大致可分為三大類（詳細劃分是五類，參照文末總結）：

• 純Python實現直方圖，不使用任何第三方庫

• 使用Numpy來創建直方圖總結數據

• 使用matplotlib，pandas，seaborn繪制直方圖

下面，我們來逐一介紹每種方法的來龍去脈。

純Python實現histogram

當準備用純Python來繪制直方圖的時候，最簡單的想法就是將每個值出現的次數以報告形式展示。這種情況下，使用?字典?來完成這個任務是非常合適的，我們看看下面代碼是如何實現的。

>>>?a?=?(0,?1,?1,?1,?2,?3,?7,?7,?23)>>>?def?count_elements(seq)?->?dict: ...?????"""Tally?elements?from?`seq`.""" ...?????hist?=?{} ...?????for?i?in?seq: ...?????????hist[i]?=?hist.get(i,?0)?+?1 ...?????return?hist>>>?counted?=?count_elements(a) >>>?counted {0:?1,?1:?3,?2:?1,?3:?1,?7:?2,?23:?1}

我們看到，count_elements() 返回了一個字典，字典里出現的鍵為目標列表里面的所有唯一數值，而值為所有數值出現的頻率次數。hist[i] = hist.get(i, 0) + 1 實現了每個數值次數的累積，每次加一。

實際上，這個功能可以用一個Python的標準庫 collection.Counter 類來完成，它兼容Pyhont 字典并覆蓋了字典的 .update() 方法。

>>>?from?collections?import?Counter>>>?recounted?=?Counter(a) >>>?recounted Counter({0:?1,?1:?3,?3:?1,?2:?1,?7:?2,?23:?1})

可以看到這個方法和前面我們自己實現的方法結果是一樣的，我們也可以通過?collection.Counter 來檢驗兩種方法得到的結果是否相等。

>>>?recounted.items()?==?counted.items() True

我們利用上面的函數重新再造一個輪子?ASCII_histogram，并最終通過Python的輸出格式format來實現直方圖的展示，代碼如下：

def?ascii_histogram(seq)?->?None:"""A?horizontal?frequency-table/histogram?plot."""counted?=?count_elements(seq)for?k?in?sorted(counted):print('{0:5d}?{1}'.format(k,?'+'?*?counted[k]))

這個函數按照數值大小順序進行繪圖，數值出現次數用 (+) 符號表示。在字典上調用 sorted() 將會返回一個按鍵順序排列的列表，然后就可以獲取相應的次數 counted[k] 。

>>>?import?random >>>?random.seed(1)>>>?vals?=?[1,?3,?4,?6,?8,?9,?10] >>>?#?`vals`?里面的數字將會出現5到15次 >>>?freq?=?(random.randint(5,?15)?for?_?in?vals)>>>?data?=?[] >>>?for?f,?v?in?zip(freq,?vals): ...?????data.extend([v]?*?f)>>>?ascii_histogram(data)1?+++++++3?++++++++++++++4?++++++6?+++++++++8?++++++9?++++++++++++10?++++++++++++

這個代碼中，vals內的數值是不重復的，并且每個數值出現的頻數是由我們自己定義的，在5和15之間隨機選擇。然后運用我們上面封裝的函數，就得到了純Python版本的直方圖展示。

總結：純python實現頻數表（非標準直方圖），可直接使用collection.Counter方法實現。

使用Numpy實現histogram

以上是使用純Python來完成的簡單直方圖，但是從數學意義上來看，直方圖是分箱到頻數的一種映射，它可以用來估計變量的概率密度函數的。而上面純Python實現版本只是單純的頻數統計，不是真正意義上的直方圖。

因此，我們從上面實現的簡單直方圖繼續往下進行升級。一個真正的直方圖首先應該是將變量分區域（箱）的，也就是分成不同的區間范圍，然后對每個區間內的觀測值數量進行計數。恰巧，Numpy的直方圖方法就可以做到這點，不僅僅如此，它也是后面將要提到的matplotlib和pandas使用的基礎。

舉個例子，來看一組從拉普拉斯分布上提取出來的浮點型樣本數據。這個分布比標準正態分布擁有更寬的尾部，并有兩個描述參數（location和scale）：

>>>?import?numpy?as?np>>>?np.random.seed(444) >>>?np.set_printoptions(precision=3)>>>?d?=?np.random.laplace(loc=15,?scale=3,?size=500) >>>?d[:5] array([18.406,?18.087,?16.004,?16.221,??7.358])

由于這是一個連續型的分布，對于每個單獨的浮點值（即所有的無數個小數位置）并不能做很好的標簽（因為點實在太多了）。但是，你可以將數據做 分箱 處理，然后統計每個箱內觀察值的數量，這就是真正的直方圖所要做的工作。

下面我們看看是如何用Numpy來實現直方圖頻數統計的。

>>>?hist,?bin_edges?=?np.histogram(d)>>>?hist array([?1,??0,??3,??4,??4,?10,?13,??9,??2,??4])>>>?bin_edges array([?3.217,??5.199,??7.181,??9.163,?11.145,?13.127,?15.109,?17.091,19.073,?21.055,?23.037])

這個結果可能不是很直觀。來說一下，np.histogram() 默認地使用10個相同大小的區間（箱），然后返回一個元組（頻數，分箱的邊界），如上所示。要注意的是：這個邊界的數量是要比分箱數多一個的，可以簡單通過下面代碼證實。

>>>?hist.size,?bin_edges.size (10,?11)

那問題來了，Numpy到底是如何進行分箱的呢？只是通過簡單的?np.histogram()?就可以完成了，但具體是如何實現的我們仍然全然不知。下面讓我們來將?np.histogram() 的內部進行解剖，看看到底是如何實現的（以最前面提到的a列表為例）。

>>>?#?取a的最小值和最大值 >>>?first_edge,?last_edge?=?a.min(),?a.max()>>>?n_equal_bins?=?10??#?NumPy得默認設置，10個分箱 >>>?bin_edges?=?np.linspace(start=first_edge,?stop=last_edge, ...?????????????????????????num=n_equal_bins?+?1,?endpoint=True) ... >>>?bin_edges array([?0.?,??2.3,??4.6,??6.9,??9.2,?11.5,?13.8,?16.1,?18.4,?20.7,?23.?])

解釋一下：首先獲取a列表的最小值和最大值，然后設置默認的分箱數量，最后使用Numpy的 linspace 方法進行數據段分割。分箱區間的結果也正好與實際吻合，0到23均等分為10份，23/10，那么每份寬度為2.3。

除了np.histogram之外，還存在其它兩種可以達到同樣功能的方法：np.bincount() 和 np.searchsorted()，下面看看代碼以及比較結果。

>>>?bcounts?=?np.bincount(a) >>>?hist,?_?=?np.histogram(a,?range=(0,?a.max()),?bins=a.max()?+?1)>>>?np.array_equal(hist,?bcounts) True>>>?#?Reproducing?`collections.Counter` >>>?dict(zip(np.unique(a),?bcounts[bcounts.nonzero()])) {0:?1,?1:?3,?2:?1,?3:?1,?7:?2,?23:?1}

總結：通過Numpy實現直方圖，可直接使用np.histogram()或者np.bincount()。

使用Matplotlib和Pandas可視化Histogram

從上面的學習，我們看到了如何使用Python的基礎工具搭建一個直方圖，下面我們來看看如何使用更為強大的Python庫包來完成直方圖。Matplotlib基于Numpy的histogram進行了多樣化的封裝并提供了更加完善的可視化功能。

import?matplotlib.pyplot?as?plt#??matplotlib.axes.Axes.hist()?方法的接口 n,?bins,?patches?=?plt.hist(x=d,?bins='auto',?color='#0504aa',alpha=0.7,?rwidth=0.85) plt.grid(axis='y',?alpha=0.75) plt.xlabel('Value') plt.ylabel('Frequency') plt.title('My?Very?Own?Histogram') plt.text(23,?45,?r'$\mu=15,?b=3$') maxfreq?=?n.max() #?設置y軸的上限 plt.ylim(ymax=np.ceil(maxfreq?/?10)?*?10?if?maxfreq?%?10?else?maxfreq?+?10)

之前我們的做法是，在x軸上定義了分箱邊界，y軸是相對應的頻數，不難發現我們都是手動定義了分箱的數目。但是在以上的高級方法中，我們可以通過設置?bins='auto'?自動在寫好的兩個算法中擇優選擇并最終算出最適合的分箱數。這里，算法的目的就是選擇出一個合適的區間（箱）寬度，并生成一個最能代表數據的直方圖來。

如果使用Python的科學計算工具實現，那么可以使用Pandas的 Series.histogram() ，并通過 matplotlib.pyplot.hist() 來繪制輸入Series的直方圖，如下代碼所示。

import?pandas?as?pdsize,?scale?=?1000,?10 commutes?=?pd.Series(np.random.gamma(scale,?size=size)?**?1.5)commutes.plot.hist(grid=True,?bins=20,?rwidth=0.9,color='#607c8e') plt.title('Commute?Times?for?1,000?Commuters') plt.xlabel('Counts') plt.ylabel('Commute?Time') plt.grid(axis='y',?alpha=0.75)

pandas.DataFrame.histogram() 的用法與Series是一樣的，但生成的是對DataFrame數據中的每一列的直方圖。

總結：通過pandas實現直方圖，可使用Seris.plot.hist()，DataFrame.plot.hist()，matplotlib實現直方圖可以用matplotlib.pyplot.hist()。

繪制核密度估計（KDE）

KDE（Kernel density estimation）是核密度估計的意思，它用來估計隨機變量的概率密度函數，可以將數據變得更平緩。

使用Pandas庫的話，你可以使用 plot.kde() 創建一個核密度的繪圖，plot.kde() 對于 Series和DataFrame數據結構都適用。但是首先，我們先生成兩個不同的數據樣本作為比較（兩個正太分布的樣本）：

>>>?#?兩個正太分布的樣本 >>>?means?=?10,?20 >>>?stdevs?=?4,?2 >>>?dist?=?pd.DataFrame( ...?????np.random.normal(loc=means,?scale=stdevs,?size=(1000,?2)), ...?????columns=['a',?'b']) >>>?dist.agg(['min',?'max',?'mean',?'std']).round(decimals=2)a??????b min???-1.57??12.46 max???25.32??26.44 mean??10.12??19.94 std????3.94???1.94

以上看到，我們生成了兩組正態分布樣本，并且通過一些描述性統計參數對兩組數據進行了簡單的對比。現在，我們可以在同一個Matplotlib軸上繪制每個直方圖以及對應的kde，使用pandas的plot.kde()的好處就是：它會自動的將所有列的直方圖和kde都顯示出來，用起來非常方便，具體代碼如下：

fig,?ax?=?plt.subplots() dist.plot.kde(ax=ax,?legend=False,?title='Histogram:?A?vs.?B') dist.plot.hist(density=True,?ax=ax) ax.set_ylabel('Probability') ax.grid(axis='y') ax.set_facecolor('#d8dcd6')

總結：通過pandas實現kde圖，可使用Seris.plot.kde()，DataFrame.plot.kde()。

使用Seaborn的完美替代

一個更高級可視化工具就是Seaborn，它是在matplotlib的基礎上進一步封裝的強大工具。對于直方圖而言，Seaborn有 distplot() 方法，可以將單變量分布的直方圖和kde同時繪制出來，而且使用及其方便，下面是實現代碼（以上面生成的d為例）：

import?seaborn?as?snssns.set_style('darkgrid') sns.distplot(d)

distplot方法默認的會繪制kde，并且該方法提供了?fit?參數，可以根據數據的實際情況自行選擇一個特殊的分布來對應。

sns.distplot(d,?fit=stats.laplace,?kde=False)

注意這兩個圖微小的區別。第一種情況你是在估計一個未知的概率密度函數(PDF)，而第二種情況是你是知道分布的，并想知道哪些參數可以更好的描述數據。

總結：通過seaborn實現直方圖，可使用seaborn.distplot()，seaborn也有單獨的kde繪圖seaborn.kde()。

在Pandas中的其它工具

除了繪圖工具外，pandas也提供了一個方便的.value_counts() 方法，用來計算一個非空值的直方圖，并將之轉變成一個pandas的series結構，示例如下：

>>>?import?pandas?as?pd>>>?data?=?np.random.choice(np.arange(10),?size=10000, ...?????????????????????????p=np.linspace(1,?11,?10)?/?60) >>>?s?=?pd.Series(data)>>>?s.value_counts() 9????1831 8????1624 7????1423 6????1323 5????1089 4?????888 3?????770 2?????535 1?????347 0?????170 dtype:?int64>>>?s.value_counts(normalize=True).head() 9????0.1831 8????0.1624 7????0.1423 6????0.1323 5????0.1089 dtype:?float64

此外，pandas.cut() 也同樣是一個方便的方法，用來將數據進行強制的分箱。比如說，我們有一些人的年齡數據，并想把這些數據按年齡段進行分類，示例如下：

>>>?ages?=?pd.Series( ...?????[1,?1,?3,?5,?8,?10,?12,?15,?18,?18,?19,?20,?25,?30,?40,?51,?52]) >>>?bins?=?(0,?10,?13,?18,?21,?np.inf)??#?邊界 >>>?labels?=?('child',?'preteen',?'teen',?'military_age',?'adult') >>>?groups?=?pd.cut(ages,?bins=bins,?labels=labels)>>>?groups.value_counts() child???????????6 adult???????????5 teen????????????3 military_age????2 preteen?????????1 dtype:?int64>>>?pd.concat((ages,?groups),?axis=1).rename(columns={0:?'age',?1:?'group'})age?????????group 0?????1?????????child 1?????1?????????child 2?????3?????????child 3?????5?????????child 4?????8?????????child 5????10?????????child 6????12???????preteen 7????15??????????teen 8????18??????????teen 9????18??????????teen 10???19??military_age 11???20??military_age 12???25?????????adult 13???30?????????adult 14???40?????????adult 15???51?????????adult 16???52?????????adult

除了使用方便外，更加好的是這些操作最后都會使用?Cython?代碼來完成，在運行速度的效果上也是非常快的。

總結：其它實現直方圖的方法，可使用.value_counts()和pandas.cut()。

該使用哪個方法？

至此，我們了解了很多種方法來實現一個直方圖。但是它們各自有什么有缺點呢？該如何對它們進行選擇呢？當然，一個方法解決所有問題是不存在的，我們也需要根據實際情況而考慮如何選擇，下面是對一些情況下使用方法的一個推薦，僅供參考。

你的情況	推薦使用	備注
有清晰的整數型數據在列表，元組，或者集合的數據結構中，并且你不想引入任何第三方那個庫	標準庫Collection.counter()提供了快速直接的頻數實現方法	這只是頻數的一個表，不存在histogram真正意義上的分箱
大的數組數據，并且你只是想要計算含有分箱的直方圖（無可視化，純數學計算）	Numpy的np.histogram()和np.bincount()對于直方圖的純數學計算時非常有幫助的	更多請查閱np.digitize()
數據存在于在Pandas的Series和DataFrame對象中	Pandas方法，比如，?Series.plot.hist()，DataFrame.plot.hist()，Series.value_counts()，and?cut()，Series.plot.kde()?以及DataFrame.plot.kde()	參考pandas的visualization章節
從任意數據結構中，創建一個高度定制化可調節的直方圖	推薦使用基于np.histogram()的Pyplot.hist()函數，被頻繁使用，簡單易懂。	Matplotlib可定制化
提前封裝的設計和集成（而非定制的）	Seaborn的distplot()，可以方便的結合直方圖和KDE繪圖	高級封裝

以上就是本篇所有內容，直方圖的各種玩法你get到了嗎？

備注：公眾號菜單包含了整理了一本AI小抄，非常適合在通勤路上用學習。

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊備注：加入本站微信群或者qq群，請回復“加群”獲取一折本站知識星球優惠券，請回復“知識星球”

喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的5 种方法教你用Python玩转histogram直方图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。