在上篇文章中介紹了matplotlib繪制直方圖的前五個(gè)參數(shù)，實(shí)際上直方圖一共有十幾個(gè)參數(shù)，剩下的參數(shù)利用這篇文章解釋清楚，讓大家能夠?qū)⑷绾卫L制直方圖理解的透透的。

bottom參數(shù)

這個(gè)參數(shù)的含義也很直觀，底部的意思，指的是條形的底從哪里開(kāi)始。這個(gè)參數(shù)接收標(biāo)量和序列，或者None，默認(rèn)為None，如果是標(biāo)量，則所有條形的底都從同一個(gè)數(shù)值處開(kāi)始，如果為序列，則可以指定每個(gè)條形的底不一致。

fig = plt.figure(figsize=(16,4))

pic1 = fig.add_subplot(131)
plt.hist(data,bins = 10)
plt.title("bottom默認(rèn)None")

pic2 = fig.add_subplot(132)
plt.hist(data,bins = 10, bottom=10) # bottom=10，表示所有條形的底部從10開(kāi)始，默認(rèn)從0開(kāi)始
plt.title("bottom=10")

pic3 = fig.add_subplot(133)
plt.hist(data,bins = 10, bottom=np.array([21, 20, 13, 17, 22, 32, 23, 15, 22, 15])) # bottom為序列，序列長(zhǎng)度于條形的數(shù)量一致，表示每個(gè)條的底部從哪里開(kāi)始
plt.title("bottom取值為序列");

上圖是當(dāng)bottom參數(shù)不同取值時(shí)繪制出來(lái)不同的直方圖，第一幅圖和第二幅圖看起來(lái)長(zhǎng)的一樣，但是仔細(xì)觀察下就能發(fā)現(xiàn)兩幅圖y軸的起始點(diǎn)時(shí)不一樣的，第一幅圖的起點(diǎn)時(shí)0.第二幅圖的起點(diǎn)是10，因?yàn)閎ottom參數(shù)設(shè)置的為10；而第三幅圖bottom的參數(shù)設(shè)置的序列，序列的長(zhǎng)度和直方圖的組數(shù)一致，即每個(gè)條形的起始點(diǎn)都不同，具體設(shè)置哪種比較好，還是要看具體的業(yè)務(wù)需求哦。

histtype參數(shù)

histtype參數(shù)控制的時(shí)直方圖中條形的展現(xiàn)方式，它接收的參數(shù)是固定的字符串，其中常見(jiàn)的是以下兩種形式：

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10, histtype = "bar")
plt.title(' histtype = "bar"')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10, histtype = "step") #  histtype默認(rèn)參數(shù)為”bar“，即條形，可以進(jìn)行指定
plt.title(' histtype = "step"');

如果需要將折線圖和直方圖繪制到一副圖中，可以考慮對(duì)條形的形式進(jìn)行設(shè)置。

align參數(shù)

align參數(shù)控制的是條形的位置，能夠接收的參數(shù)也是指定的字符串，通常大家都用默認(rèn)值"mid",即中間，這樣直方圖中的條形會(huì)居于前后臨界點(diǎn)的中間位置，是最常見(jiàn)的一種：

fig = plt.figure(figsize=(16,4))

pic1 = fig.add_subplot(131)
plt.hist(data,bins = 10, align = "left")
plt.xticks([150. , 152.9, 155.8, 158.7, 161.6, 164.5, 167.4, 170.3, 173.2,176.1, 179. ],rotation = 30)
plt.title("align ='left'")

pic2 = fig.add_subplot(132)
plt.hist(data,bins = 10, align = "right") 
plt.xticks([150. , 152.9, 155.8, 158.7, 161.6, 164.5, 167.4, 170.3, 173.2,176.1, 179. ],rotation = 30)
plt.title("align ='right'")

pic3 = fig.add_subplot(133)
plt.hist(data,bins = 10, align = "mid")
plt.xticks([150. , 152.9, 155.8, 158.7, 161.6, 164.5, 167.4, 170.3, 173.2,176.1, 179. ],rotation = 30)
plt.title("align ='mid'"); 

由于原數(shù)據(jù)和分箱規(guī)則沒(méi)有變化，所以三個(gè)直方圖很相近，區(qū)別在于x軸上，這里為了能直觀的看出區(qū)別，特意將每組的臨界值添加到了x軸，仔細(xì)查看能夠看出只有最后一個(gè)圖才是我們常見(jiàn)的直方圖，前兩個(gè)條形的位置都有偏移。

orientation參數(shù)

對(duì)條形圖比較熟悉的朋友可能對(duì)這個(gè)參數(shù)并不陌生，它是控制條形方向的參數(shù)，接收的是特定的字符，即條形的方向是垂直的還是水平的，一般默認(rèn)繪制的都是垂直方向的，如果需要橫向的直方圖，直接設(shè)置這個(gè)參數(shù)就好。它接收的參數(shù)是指定的字符串，表明條形方向：

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) #默認(rèn)條形方向?yàn)榇怪狈较?
plt.title('orientation默認(rèn)"vertical"')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,orientation = 'horizontal') #  orientation = 'horizontal'表示條形為水平方向
plt.title('orientation = "horizontal"');

參數(shù)中可選的兩個(gè)字符即是垂直還是水平。

rwidth參數(shù)

從字面上看，這個(gè)參數(shù)是和寬度有關(guān)的，事實(shí)也的確是這樣。這個(gè)參數(shù)可以設(shè)置條形的寬度，接收數(shù)值，但是它設(shè)置的寬度是相對(duì)于默認(rèn)寬度而言的，重新設(shè)置的寬度是原寬度的幾分之幾，我們具體看一下代碼：

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10) #rwidth控制條形的相對(duì)寬度，不進(jìn)行指定，自動(dòng)計(jì)算
plt.title('rwidth默認(rèn)"None"')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,rwidth=0.8) # 指定條形的相對(duì)寬度
plt.title('rwidth=0.8');

如果不進(jìn)行設(shè)置，直方圖的各個(gè)條形之間是沒(méi)有空隙的，當(dāng)我將rwidth設(shè)置成0.8之后，條形的寬度就只有原寬度的80%，條形之間也會(huì)出現(xiàn)縫隙。

log參數(shù)

log參數(shù)控制是否將刻度設(shè)置成對(duì)數(shù)刻度，接收布爾值，默認(rèn)為False，進(jìn)行普通刻度，一旦設(shè)置為True：

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist(data,bins = 10)
plt.title('log默認(rèn)"False"')

pic2 = fig.add_subplot(122)
plt.hist(data,bins = 10,log=True) # 直方圖軸將設(shè)置為對(duì)數(shù)刻度。
plt.title('log=True"');

設(shè)置成對(duì)數(shù)刻度后，雖然分組情況沒(méi)有變，但是分布狀況還是發(fā)生了變化，如果設(shè)置了該參數(shù)，最好在標(biāo)題或其他部分標(biāo)注提示一下。

color參數(shù)和X

這個(gè)參數(shù)可以說(shuō)是相當(dāng)熟悉，很多函數(shù)中都有，表示對(duì)圖形的顏色進(jìn)行設(shè)置，沒(méi)錯(cuò)的確是設(shè)置顏色，想起我們還有一個(gè)最開(kāi)始的參數(shù)沒(méi)有講解，就在這里和color一起講解了。

目前我們只有一組數(shù)據(jù)，現(xiàn)在呢假設(shè)有了兩個(gè)學(xué)校學(xué)生的身高數(shù)據(jù)，喏，這就是第二個(gè)學(xué)校的學(xué)生身高了：

data1 = np.random.randint(150,180,200)
data1

輸出結(jié)果：

array([164, 171, 172, 161, 171, 175, 161, 170, 159, 163, 154, 162, 156,
       158, 160, 156, 163, 167, 170, 168, 163, 171, 174, 161, 156, 167,
       165, 169, 162, 176, 167, 157, 157, 169, 160, 177, 162, 154, 163,
       168, 155, 177, 151, 155, 179, 166, 170, 168, 158, 167, 156, 170,
       163, 157, 172, 169, 156, 171, 155, 160, 177, 164, 157, 160, 173,
       175, 164, 168, 171, 158, 163, 162, 167, 167, 169, 155, 175, 171,
       162, 174, 165, 179, 167, 179, 168, 157, 151, 151, 171, 170, 168,
       165, 167, 179, 153, 177, 165, 155, 153, 157, 162, 167, 173, 161,
       171, 159, 165, 152, 160, 172, 154, 157, 176, 152, 171, 161, 169,
       154, 171, 150, 158, 164, 150, 170, 153, 162, 150, 174, 150, 176,
       167, 171, 164, 170, 171, 163, 162, 164, 174, 157, 179, 166, 150,
       170, 166, 161, 155, 175, 163, 156, 152, 159, 168, 158, 176, 159,
       158, 169, 155, 166, 151, 163, 177, 154, 170, 152, 167, 172, 170,
       163, 161, 177, 164, 160, 157, 167, 163, 177, 169, 162, 166, 158,
       156, 168, 169, 168, 159, 159, 154, 169, 168, 169, 156, 165, 173,
       175, 169, 156, 158, 154])

到這里是不是有點(diǎn)明白了，直方圖不止可以對(duì)一組數(shù)據(jù)進(jìn)行繪圖，多組數(shù)據(jù)也是可以的，參數(shù)x可以接收多組數(shù)據(jù)，如果是多組數(shù)據(jù)需要將多組數(shù)據(jù)打包到一起作為一個(gè)整體傳給參數(shù)x：

fig = plt.figure(figsize=(16,4))

pic1 = fig.add_subplot(131)
plt.hist(data,bins = 10)
plt.title("color默認(rèn)None")

pic2 = fig.add_subplot(132)
plt.hist(data,bins = 10, color="r") # 設(shè)置顏色為紅色
plt.title("color="r"")

pic3 = fig.add_subplot(133)
plt.hist([data,data1],bins = 10, color=["c","orange"]) 
# color取值為序列，每個(gè)數(shù)據(jù)集對(duì)應(yīng)一種顏色,color序列的長(zhǎng)度與數(shù)據(jù)集個(gè)數(shù)一致
plt.title("color取值為序列");

能夠看到，如果只有一組數(shù)據(jù)，color參數(shù)也就只接收一個(gè)顏色指定，如果是多組數(shù)據(jù)，可以對(duì)每個(gè)數(shù)據(jù)集的顏色進(jìn)行指定，具體需要注意的點(diǎn)已經(jīng)在代碼中備注了哦。

label參數(shù)

label參數(shù)也不是陌生的參數(shù)，是對(duì)標(biāo)簽的設(shè)定，接收的是字符串，并沒(méi)有什么特殊，但是需要注意的是如果設(shè)置了這個(gè)參數(shù)，記得調(diào)用plt.lenged（）顯示圖例，如果不調(diào)用即使設(shè)置了標(biāo)簽也不能作為圖例顯示在圖形中。而顯示圖例除了直接在直方圖函數(shù)中設(shè)置label參數(shù)外，還可以在plt.lenged（）中設(shè)置，具體的區(qū)別還是看代碼吧：

fig = plt.figure(figsize=(11,4))

pic1 = fig.add_subplot(121)
plt.hist([data,data1],bins = 10, color=["c","orange"],label=["data","data1"])  
plt.legend()
plt.title('hist函數(shù)中設(shè)置label參數(shù)')

pic2 = fig.add_subplot(122)
plt.hist([data,data1],bins = 10, color=["c","orange"])  
plt.legend(["data","data1"])
plt.title('legend函數(shù)中設(shè)置label參數(shù)');

效果是一樣的。

stacked參數(shù)

這個(gè)參數(shù)的字面意思也很直觀，表示是否要堆疊，接收布爾值。需要注意的是如果繪圖只用了一個(gè)數(shù)據(jù)集，那么這個(gè)參數(shù)無(wú)論設(shè)置成什么都沒(méi)有影響，如果要堆疊至少需要兩個(gè)數(shù)據(jù)集才能顯示出區(qū)別：

fig = plt.figure(figsize=(9,4))

pic1 = fig.add_subplot(121)
plt.hist([data,data1],stacked=False)  #默認(rèn)多組數(shù)據(jù)并列排列
plt.title('stacked默認(rèn)"False"')

pic2 = fig.add_subplot(122)
plt.hist([data,data1],stacked=True)  #多組數(shù)據(jù)彼此堆疊
plt.title('stacked=True"');

區(qū)別是不是很明顯了，堆疊的意思也容易理解了對(duì)不對(duì)？

以上就是直方圖函數(shù)所有參數(shù)的設(shè)置講解，希望能夠幫助大家能夠全面的掌握如何繪制一個(gè)符合實(shí)際需求的直方圖。