pandas.DataFrame.plot.hist #

数据框.plot。hist ( by = None , bins = 10 , ** kwargs ) [来源] #

绘制 DataFrame 列的一个直方图。

直方图是数据分布的表示。该函数将 DataFrame 中所有给定 Series 的值分组到 bin 中，并将所有 bin 绘制在一个中matplotlib.axes.Axes。当 DataFrame 的系列具有相似的规模时，这非常有用。

参数：

通过str 或序列，可选: DataFrame 中要分组的列。

版本 1.4.0 中更改：以前，by会默默忽略并且不进行分组
bins int，默认10: 要使用的直方图箱数。
**夸格: 其他关键字参数记录在中 DataFrame.plot()。

返回：

类：matplotlib.AxesSubplot: 返回直方图。

也可以看看

DataFrame.hist: 为每个 DataFrame 的系列绘制直方图。
Series.hist: 用系列数据绘制直方图。

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对结果求和时，分布将会完全不同。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)

../../_images/pandas-DataFrame-plot-hist-1.png

可以通过提供参数by 来生成分组直方图（可以是列名或列名列表）：

>>> 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))

../../_images/pandas-DataFrame-plot-hist-2.png