Matplotlib 直方图

在数据可视化中，直方图是一种基于区间分组的图形表达方式。它显示了一组连续的数据的频率分布。Matplotlib是Python中最常用的绘图库之一，可以用来生成各种各样的图形，包括直方图。本文将介绍如何使用Matplotlib绘制直方图，并将时间放在x轴上。

阅读更多：Matplotlib 教程

Matplotlib绘制简单的直方图

要绘制直方图，我们需要先创建数据，然后使用Matplotlib的hist()函数生成图表。

下面是一个简单的示例：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data)
plt.show()

在这个例子中，我们生成了一个包含1000个随机数的数组，并使用plt.hist()函数生成直方图。plt.show()函数用于显示图表。

运行以上代码，我们将得到一个包含1000个随机数的直方图。

定义直方图的bin数量

“bin”是将数据分成的区间。在上面的示例中，Matplotlib自动选择了默认的bin数量（10个）。有时候，我们需要根据自己的需求定义bin的数量。

可以使用plt.hist()函数的“bins”参数来定义bin的数量。

下面的代码使用20个bin绘制了一个包含1000个随机数的直方图：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=20)
plt.show()

将时间放在x轴上

在时间序列数据中，我们通常需要将时间放在x轴上。一种简单的方法是将时间值转换为日期时间对象，然后使用Matplotlib的plot_date()函数或scatter()函数绘制。另一种方法是使用NumPy datetime64数据类型。这种方式更加直接，也更容易处理。

下面是一个使用datetime64数据类型绘制时间序列数据的例子：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 生成一些随机日期
dates = pd.date_range('2020-01-01', '2020-12-31')

# 创建一些随机数据
data = np.random.randn(len(dates))

# 绘制直方图
plt.hist(dates, bins=12)
plt.show()

上面的代码中，我们使用Pandas日期范围函数生成了2020年的所有日期，然后生成了与日期数量相等的随机数据。使用plt.hist()函数绘制了直方图，并使用了bins参数将数据分成了12组（每月一个组）。

如果需要将时间设为x轴的刻度标签，我们可以使用Matplotlib的set_xticklabels()函数。

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 生成一些随机日期
dates = pd.date_range('2020-01-01', '2020-12-31')

# 创建一些随机数据
data = np.random.randn(len(dates))

# 绘制直方图
plt.hist(dates, bins=12)
plt.xticks(rotation=45)
plt.gca().set_xticklabels([date.strftime('%Y-%m') for date in dates])
plt.show()

在上面的代码中，我们使用了plt.xticks()函数和set_xticklabels()函数，将刻度标签旋转了45度，并将日期字符串格式化为“YYYY-MM”的形式。此时，我们就可以将时间放在x轴上了。