python导入数据画直方图(python导入数据画直方图并添加柱子数字
python绘制直方图怎么设置x轴和y轴的标签
1、设置x轴的标签
matplotlib中可以直接使用pyplot模块的xlabel()函数设置x轴的标签，xlabel()函数的语法格式如下所示：
xlabel(xlabel,fontdict=None,labelpad=None,**kwargs)
该函数各参数含义如下。
·xlabel：表示x轴标签的文本。
·fontdict：表示控制标签文本样式的字典。
·labelpad：表示标签与坐标轴边框(包括刻度和刻度标签)的距离。
此外，Axes对象使用set_xlabel()方法也可以设置x轴的标签。
2、设置y轴的标签
matplotlib中可以直接使用pyplot模块的ylabel()函数设置y轴的标签，ylabel()函数的语法格式如下所示：
ylabel(ylabel,fontdict=None,labelpad=None,**kwargs)
该函数的ylabel参数表示y轴标签的文本，其余参数与xlabel()函数的参数的含义相同。此处不再赘述。此外，Axes对象使用set_ylabel()方法也可以设置y轴的标签。
假设现在有一个包含正弦曲线和余弦曲线的图表，该图表中设置x轴和y轴的标签，具体代码如下。
importnumpyasnpimportmatplotlib.pyplotasplt plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsex=np.linspace(-np.pi,np.pi,256,endpoint=True)y1,y2=np.sin(x),np.cos(x)plt.plot(x,y1,x,y2)# 设置x轴和y轴的标签plt.xlabel("x轴")plt.ylabel("y轴")plt.show()
运行程序，效果如图3-3所示。
图3-3 正弦和余弦曲线图——设置坐标轴标签
python画hist直方图
简单说下图形选择啦，通常我们最常用的图形是折线图、扇形图、条形图，它们的功能简单概括为：
折线图：表示变化情况；
扇形图：表示各类别的分布占比情况；
条形图：表示具体数值；
接下来要说的直方图是以条形图的形式展现的，在统计学中， 直方图 （英语：Histogram）是一种对数据分布情况的图形表示。
以下展示了python画直方图的几种方式，这里涉及到了3个包：matplotlib、pandas、seanborn。
1、使用 matplotlib.pyplot.hist 函数（本文主要讲解该方法画直方图）
2、使用 pandas.DataFrame.plot.hist 函数
3、使用 pandas.DataFrame.hist 函数
4、使用 seaborn.distplot 函数
以下为 matplotlib.pyplot.hist 函数介绍：
参数：
返回值：
模拟真实场景：我们通过分析打分，给1000个客户进行了排名，排名越靠前，说明客户越优异，为了找到特定的200个客户的排名处于这1000个客户中的位置，使用了直方图对比的方式。以下使用的数据是为模拟场景，随机出来的结果排名比较靠后，所以这些客户质量并不高：
hist：
matplotlib中文乱码：
Python 数据可视化：绘制箱线图、饼图和直方图
上一课介绍了柱形图和条形图，本课将介绍另外几种统计图表。
Box Plot 有多种翻译，盒须图、盒式图、盒状图或箱线图、箱形图等，不管什么名称，它的基本结构是这样的：
这种图是由美国著名统计学家约翰·图基（John Tukey）于 1977 年发明的，它能显示出一组数据的上限、下限、中位数及上下四分位数。
为了更深入理解箱线图的含义，假设有这样一组数据：[1, 3, 5, 8, 10,11, 16, 98 ]，共有 8 个数字。
首先要计算箱线图中的“四分位数”，注意不是 4 个数：
对于已经排序的数据 [1, 3, 5, 8, 10,11, 16, 98 ]，下四分位数（Q1）的位置是数列中从小到大第 2.25 个数，当然是不存在这个数字的——如果是第 2 个或者第 3 个，则存在。但是，可以用下面的原则，计算出此位置的数值。
四分位数等于与该位置两侧的两个整数的加权平均数，此权重取决于相对两侧整数的距离远近，距离越近，权重越大，距离越远，权重越小，权数之和等于 1。
根据这个原则，可以分别计算本例中数列的 3 个四分位数。
在此计算基础上，还可以进一步计算四分位间距和上限、下限的数值。
先看一个简单示例，了解基本的流程。
输出结果：
这里绘制了两张箱线图，一张没有显示平均值，另外一张显示了平均值，所使用的方法就是 boxplot，其完整参数列表为：
参数很多，不要担心记忆问题，更别担心理解问题。首先很多参数都是可以“望文生义”的，再有，与以前所使用的其他方法（函数）的参数含义也大同小异。
输出结果：
所谓的“凹槽”，不是简单形状的改变，左右折线的上限区间表示了数据分布的置信区间，横线依然是上限和下限。