Python pandas.Series.plot.hist用法及代码示例

用法:
Series.plot.hist(by=None, bins=10, **kwargs)

绘制一个 DataFrame 列的直方图。

直方图是数据分布的表示。此函数将 DataFrame 中所有给定系列的值分组到 bin 中，并将所有 bin 绘制在一个 matplotlib.axes.Axes 中。当 DataFrame 的 Series 具有相似的规模时，这很有用。

参数：

by：str 或序列，可选: DataFrame 中要分组的列。
bins：整数，默认 10: 要使用的直方图箱数。
**kwargs：: 其他关键字参数记录在 DataFrame.plot() 中。

类：matplotlib.AxesSubplot: 返回直方图。

例子：

当我们掷骰子 6000 次时，我们期望得到每个值大约 1000 次。但是当我们掷两个骰子并将结果相加时，分布将完全不同。直方图说明了这些分布。

>>> df = pd.DataFrame(
...     np.random.randint(1, 7, 6000),
...     columns = ['one'])
>>> df['two'] = df['one'] + np.random.randint(1, 7, 6000)
>>> ax = df.plot.hist(bins=12, alpha=0.5)

通过提供参数by(可以是列名或列名列表)可以生成分组直方图：

>>> age_list = [8, 10, 12, 14, 72, 74, 76, 78, 20, 25, 30, 35, 60, 85]
>>> df = pd.DataFrame({"gender": list("MMMMMMMMFFFFFF"), "age": age_list})
>>> ax = df.plot.hist(column=["age"], by="gender", figsize=(10, 8))

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.Series.plot.hist。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：