python 折线图和直方图画在一张图上

可以使用 Matplotlib 库来实现折线图和直方图画在一张图上。下面是一个简单的示例代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.arange(1, 11)
y1 = np.random.randint(1, 10, size=10)
y2 = np.random.randint(1, 10, size=10)

# 绘制直方图
plt.subplot(2, 1, 1)  # 2行1列，第1个子图
plt.hist(y1, bins=10)
plt.title('Histogram and Line Chart')
plt.ylabel('Frequency')

# 绘制折线图
plt.subplot(2, 1, 2)  # 2行1列，第2个子图
plt.plot(x, y2, 'ro-')
plt.xlabel('X')
plt.ylabel('Y')
plt.ylim(0, 10)

# 显示图形
plt.show()

运行以上代码，就可以得到一个折线图和直方图画在一张图上的效果。其中，`plt.subplot()` 函数用于创建子图，第一个参数指定总行数，第二个参数指定总列数，第三个参数指定子图编号。在这个示例中，我们创建了一个 2 行 1 列的图形，分别在第 1 个子图和第 2 个子图上绘制了直方图和折线图。

相关问题

python怎么同时把直方图和折线图画到一张图上

可以使用 Matplotlib 库来同时画出直方图和折线图。以下是一个简单的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成数据
data = np.random.normal(0, 1, 1000)

# 绘制直方图
fig, ax1 = plt.subplots()
ax1.hist(data, bins=30, alpha=0.5, color='blue')

# 绘制折线图
ax2 = ax1.twinx()
ax2.plot(np.arange(-3, 3, 0.1), np.exp(-np.arange(-3, 3, 0.1)**2), color='red')

# 设置图例
ax1.set_xlabel('Value')
ax1.set_ylabel('Frequency')
ax2.set_ylabel('Density')
plt.legend(['Density'], loc='upper left')

# 显示图形
plt.show()

这个例子中，我们使用 `np.random.normal` 生成了 1000 个服从正态分布的随机数，然后使用 `plt.hist` 绘制了这些数据的直方图。接着，我们使用 `ax1.twinx()` 创建了一个新的 y 轴（右侧），并使用 `ax2.plot` 绘制了一条折线图。最后，我们设置了坐标轴标签和图例，并使用 `plt.show` 显示了图形。

python在直方图上画折线图

在Python中，可以使用Matplotlib库来绘制直方图和折线图。下面是一个简单的例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.normal(size=1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, alpha=0.5)

# 绘制折线图
counts, bin_edges = np.histogram(data, bins=30, density=True)
plt.plot(bin_edges[:-1], counts, linestyle='-', linewidth=2)

# 显示图形
plt.show()

在这个例子中，首先使用`numpy.random.normal`函数生成1000个随机数作为数据，然后使用`matplotlib.pyplot.hist`函数绘制直方图，并将`density`参数设置为`True`以绘制概率密度直方图。接着，使用`numpy.histogram`函数计算出每个区间的频数和区间边界，然后使用`matplotlib.pyplot.plot`函数绘制折线图。最后，使用`matplotlib.pyplot.show`函数显示图形。

注意，直方图和折线图的y轴表示方式不同，直方图的y轴表示频数或频率，而折线图的y轴表示概率密度。因此，在绘制折线图时，需要将直方图的频数或频率转换为概率密度。