在上篇文章中介紹了matplotlib繪制直方圖的前五個參數(shù)，實際上直方圖一共有十幾個參數(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始。這個參數(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數(shù)值處開始，如果為序列，則可以指定每個條形的底不一致。

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開始，默認(rèn)從0開始
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，序列長度于條形的數(shù)量一致，表示每個條的底部從哪里開始
plt.title("bottom取值為序列");

上圖是當(dāng)bottom參數(shù)不同取值時繪制出來不同的直方圖，第一幅圖和第二幅圖看起來長的一樣，但是仔細(xì)觀察下就能發(fā)現(xiàn)兩幅圖y軸的起始點時不一樣的，第一幅圖的起點時0.第二幅圖的起點是10，因為bottom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，序列的長度和直方圖的組數(shù)一致，即每個條形的起始點都不同，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居于前后臨界點的中間位置，是最常見的一種：

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)則沒有變化，所以三個直方圖很相近，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圖才是我們常見的直方圖，前兩個條形的位置都有偏移。

orientation參數(shù)

對條形圖比較熟悉的朋友可能對這個參數(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)條形方向為垂直方向
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)中可選的兩個字符即是垂直還是水平。

rwidth參數(shù)

從字面上看，這個參數(shù)是和寬度有關(guān)的，事實也的確是這樣。這個參數(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控制條形的相對寬度，不進(jìn)行指定，自動計算
plt.title('rwidth默認(rèn)"None"')

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

如果不進(jìn)行設(shè)置，直方圖的各個條形之間是沒有空隙的，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)置為對數(shù)刻度。
plt.title('log=True"');

設(shè)置成對數(shù)刻度后，雖然分組情況沒有變，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

這個參數(shù)可以說是相當(dāng)熟悉，很多函數(shù)中都有，表示對圖形的顏色進(jìn)行設(shè)置，沒錯的確是設(shè)置顏色，想起我們還有一個最開始的參數(shù)沒有講解，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)有了兩個學(xué)校學(xué)生的身高數(shù)據(jù)，喏，這就是第二個學(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])

到這里是不是有點明白了，直方圖不止可以對一組數(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，每個數(shù)據(jù)集對應(yīng)一種顏色,color序列的長度與數(shù)據(jù)集個數(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)也就只接收一個顏色指定，如果是多組數(shù)據(jù)，可以對每個數(shù)據(jù)集的顏色進(jìn)行指定，具體需要注意的點已經(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)，是對標(biāo)簽的設(shè)定，接收的是字符串，并沒有什么特殊，但是需要注意的是如果設(shè)置了這個參數(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數(shù)據(jù)集，那么這個參數(shù)無論設(shè)置成什么都沒有影響，如果要堆疊至少需要兩個數(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不對？

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符合實際需求的直方圖。