本文介绍了如何在Python中使用matplotlib绘制直方图时，根据特定条件筛选数据。通过在绘制直方图之前对数据进行预处理，可以轻松实现只显示符合特定条件的数据分布，例如，仅显示TYPE为"E"的数据的年龄分布。
在使用Python进行数据可视化时，直方图是一种常用的展示数据分布的工具。 然而，有时我们只需要展示数据集中特定子集的分布情况。本文将详细介绍如何在使用matplotlib绘制直方图时，添加筛选条件，以便仅显示符合特定条件的数据。
数据筛选与直方图绘制
假设你有一个包含年龄（age）和类型（TYPE）两列的数据集，并且你希望绘制一个直方图，仅显示TYPE为"E"的数据的年龄分布。以下代码展示了如何实现这一目标：
立即学习“Python免费学习笔记（深入）”；
响应式黑色展台设计整站模板1.4.2
下载
响应式黑色展台设计整站模板，自带内核安装即用，图片文本实现可视化，方便修改，支持多种内容模型及自定义功能，可根据需要自行添加。模板特点： 1、安装即用，自带人人站CMS内核及企业站展示功能（产品，新闻，案例展示等），并可根据需要增加表单 搜索等功能（自带模板） 2、支持响应式 3、前端banner轮播图文本均已进行可视化配置 4、伪静态页面生成 5、支持内容模型、多语言、自定义表单、筛选、多条件搜
import matplotlib.pyplot as plt
import pandas as pd
# 假设 dataset 是一个 pandas DataFrame
# 为了示例，我们创建一个 DataFrame
data = {'age': [25, 30, 22, 35, 28, 40, 27, 32, 29, 38],
'TYPE': ['E', 'G', 'E', 'E', 'G', 'E', 'G', 'E', 'E', 'G']}
dataset = pd.DataFrame(data)
# 筛选数据：仅保留 TYPE 为 "E" 的数据
filtered_data = dataset[dataset["TYPE"] == "E"].age
# 绘制直方图
plt.hist(filtered_data, bins=10, edgecolor="#6A9662", color="#DDFFDD", alpha=0.75)
plt.xlabel("Age")
plt.ylabel("Frequency")
plt.title("Age Distribution for TYPE = E")
plt.show()代码解释：
- 导入库： 首先，导入matplotlib.pyplot用于绘图，并导入pandas用于数据处理。
- 创建DataFrame (示例)： 为了演示，我们创建了一个包含age和TYPE列的pandas DataFrame。在实际应用中，dataset应该是你从Power BI或其他数据源获取的数据。
-
数据筛选： 使用dataset[dataset["TYPE"] == "E"].age这行代码来筛选数据。
- dataset["TYPE"] == "E"：这部分代码创建一个布尔 Series，指示DataFrame中每一行的"TYPE"列是否等于"E"。
- dataset[...]：将布尔 Series 作为索引传递给DataFrame，只选择"TYPE"列等于"E"的行。
- .age：从筛选后的DataFrame中选择"age"列，并将结果存储在filtered_data变量中。
-
绘制直方图： 使用plt.hist()函数绘制直方图。
- filtered_data：传递筛选后的年龄数据作为直方图的输入。
- bins=10：将数据分成10个bin。
- edgecolor="#6A9662"，color="#DDFFDD"，alpha=0.75：设置直方图的颜色和透明度，可以根据需要进行调整。
- 添加标签和标题： 使用 plt.xlabel(), plt.ylabel() 和 plt.title() 添加轴标签和图表标题，提高可读性。
- 显示图形： 使用plt.show()函数显示绘制的直方图。
注意事项：
- 确保数据集dataset是pandas DataFrame对象，并且包含名为"TYPE"和"age"的列。
- 筛选条件"E"区分大小写，请根据实际数据进行调整。
- 可以根据需要调整bins参数来改变直方图的颗粒度。
- 可以添加多个筛选条件，例如：dataset[(dataset["TYPE"] == "E") & (dataset["age"] > 25)].age，这将筛选出TYPE为"E"且年龄大于25岁的数据。
总结
通过在绘制直方图之前对数据进行筛选，可以灵活地展示特定子集的数据分布。 这种方法简单易懂，并且可以轻松应用于各种不同的数据集和筛选条件，帮助你更有效地进行数据分析和可视化。
