怎样用Python绘制数据分布图？hist可视化技巧

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

# 假设我们有一些随机生成的数据
np.random.seed(42) # 为了结果可复现
data = np.random.randn(1000) * 15 + 100 # 模拟一个正态分布数据

# 使用Matplotlib绘制直方图
plt.figure(figsize=(10, 6)) # 设置图表大小
plt.hist(data, bins=30, color='skyblue', edgecolor='black', alpha=0.7)
plt.title('数据分布直方图 (Matplotlib)', fontsize=16)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数', fontsize=12)
plt.grid(axis='y', alpha=0.75) # 添加网格线
plt.show()

# 使用Seaborn绘制直方图，通常更美观且功能更强大
plt.figure(figsize=(10, 6))
sns.histplot(data, bins=30, kde=True, color='lightcoral', edgecolor='black')
plt.title('数据分布直方图 (Seaborn)', fontsize=16)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数/密度', fontsize=12)
plt.grid(axis='y', alpha=0.75)
plt.show()

# 示例：不同bins数量的影响
plt.figure(figsize=(15, 5))

plt.subplot(1, 3, 1)
sns.histplot(data, bins=5, kde=True, color='skyblue', edgecolor='black')
plt.title('Bins = 5 (太少)')

plt.subplot(1, 3, 2)
sns.histplot(data, bins='auto', kde=True, color='lightcoral', edgecolor='black')
plt.title('Bins = Auto (推荐)')

plt.subplot(1, 3, 3)
sns.histplot(data, bins=100, kde=True, color='lightgreen', edgecolor='black')
plt.title('Bins = 100 (太多)')

plt.tight_layout()
plt.show()

# 假设我们有一个包含分类变量的数据集
import pandas as pd
np.random.seed(42)
data_df = pd.DataFrame({
    'Value': np.concatenate([np.random.normal(loc=90, scale=10, size=500),
                             np.random.normal(loc=110, scale=15, size=500)]),
    'Category': ['A'] * 500 + ['B'] * 500
})

plt.figure(figsize=(12, 6))
# 使用hue参数按类别绘制直方图，并叠加KDE曲线
sns.histplot(data=data_df, x='Value', hue='Category', kde=True,
             palette='viridis', edgecolor='black', alpha=0.7, multiple='layer')
plt.title('按类别划分的数据分布 (Seaborn)', fontsize=16)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数/密度', fontsize=12)
plt.grid(axis='y', alpha=0.75)
plt.show()

# 尝试不同的multiple模式
plt.figure(figsize=(12, 6))
sns.histplot(data=data_df, x='Value', hue='Category', kde=False,
             palette='viridis', edgecolor='black', alpha=0.7, multiple='stack')
plt.title('按类别堆叠的直方图', fontsize=16)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数', fontsize=12)
plt.grid(axis='y', alpha=0.75)
plt.show()

# 模拟一个高度右偏的数据
np.random.seed(42)
skewed_data = np.exp(np.random.normal(loc=2, scale=1, size=1000)) # 生成一个对数正态分布

plt.figure(figsize=(12, 5))

plt.subplot(1, 2, 1)
sns.histplot(skewed_data, bins=50, kde=True, color='purple', edgecolor='black')
plt.title('原始偏斜数据分布', fontsize=16)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数/密度', fontsize=12)
plt.grid(axis='y', alpha=0.75)

# 对数变换
log_transformed_data = np.log1p(skewed_data) # 使用log1p处理可能包含0或小正数的情况

plt.subplot(1, 2, 2)
sns.histplot(log_transformed_data, bins=30, kde=True, color='darkgreen', edgecolor='black')
plt.title('对数变换后数据分布', fontsize=16)
plt.xlabel('Log(1+数值)', fontsize=12)
plt.ylabel('频数/密度', fontsize=12)
plt.grid(axis='y', alpha=0.75)

plt.tight_layout()
plt.show()