本文目录一览：

python的直方图怎呢调整纵轴的长度

在Python中，可以通过matplotlib库的plt.gca()函数来调整直方图的纵轴长度。该函数会返回一个坐标轴的对象，然后您可以使用set_ylim()函数来设置新的纵轴范围，使用plt.draw()函数重绘图形，即可实现调整纵轴长度的目的。

matplotlib直方图（matplotlib直方图标数据）matplotlib直方图（matplotlib直方图标数据）


matplotlib可视化篇hist()--直方图

函数：matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype='bar', align='mid', log=False, color=None, label=None, stacked=False, normed=None)

x: 数据集，最终的直方图将对数据集进行统计

bins: 统计的区间分布

range: tuple, 显示的区间， range在没有给出bins时生效

density: bool，默认为false，显示的是 频数统计结果 ，为True则显示频率统计结果，这里需要注意，频率统计结果=区间数目/(总数区间宽度)，和normed效果一致，使用density

histtype: 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为bar，使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似

align: 可选{'left', 'mid', 'right'}之一，默认为'mid'，控制柱状图的水平分布，left或者right，会有部分空白区域，使用默认

log: bool，默认False,即y坐标轴是否选择指数刻度

stacked: bool，默认为False，是否为堆积状图

效果图：

处理效果：

Matplotlib 绘制直方图、散点图

直方图可以帮助我们直观地发现数据在不同区间的分布和集中情况。下面，我们就先来学习一下 Matplotlib 直方图的绘制~

首先，导入工具包并执行魔法指令：

绘制直方图，除了需要传递数据之外，还需要我们设置一个 bins ，即区间的划分：

绘制结果：

此外，我们还可以在一张图中绘制两组数据的直方图，可以进行对比分析：

这里除了使用 plt.legend(loc='best') 添加了图注之外，在 plt.hist 绘制直方图时，我们设置了透明度 alpha=0.6 ，这样重叠的区间也可区分出两组数据了~

使用 plt.scatter 即可绘制散点图：

其中数据集 x1 x2 x3 都是二维的矩阵，在绘制散点图时我们将个维度的值作为横坐标，第二个维度的值作为纵坐标。

绘制结果：

上述，无论是散点图还是直方图，在一个坐标系绘制多组数据时， Matplotlib 都会自动为我们指定颜色，还是很方便的。我们只需要添加图注即可~

下面，我们来给散点图标注点的坐标~首先，绘制一个简单的散点图：

绘制结果：

使用 annotate 在坐标系中添加注释：