python画数据分布图

Python 有很多画数据分布图的库，比如 Matplotlib、Seaborn、Plotly 等。以下是一个使用 Matplotlib 画直方图和密度图的例子：

import matplotlib.pyplot as plt
import numpy as np

# 生成一组随机数据
data = np.random.randn(1000)

# 画直方图
plt.hist(data, bins=30, density=True, alpha=0.5, color='g')

# 画密度图
kde = gaussian_kde(data)
x_grid = np.linspace(data.min(), data.max(), 100)
plt.plot(x_grid, kde(x_grid), color='r')

plt.show()

其中，`data` 是一组随机数据，`bins` 指定直方图的条数，`density` 指定是否对数据进行归一化，`alpha` 指定透明度，`color` 指定颜色。`gaussian_kde` 是用于计算核密度估计的函数。

这段代码会画出一个包含直方图和密度图的图像。你可以根据需要调整参数和样式。

相关问题

python画累积分布图

以下是使用Python绘制累积分布图的示例代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成一组随机数据
data = np.random.normal(size=1000)

# 绘制累积分布图
fig, ax = plt.subplots()
n, bins, patches = ax.hist(data, cumulative=True, bins=50, density=True, histtype='step', label='Cumulative')
ax.grid(True)
ax.legend(loc='right')
ax.set_title('Cumulative Distribution')
ax.set_xlabel('Value')
ax.set_ylabel('Probability')
plt.show()

解释代码：

- `np.random.normal(size=1000)` 生成1000个正态分布的随机数作为数据。
- `plt.subplots()` 创建一个包含单个轴的图形。
- `ax.hist()` 使用给定的数据绘制直方图。
- `cumulative=True` 将直方图设置为累积分布。
- `bins=50` 将数据分为50个区间。
- `density=True` 将频率规范化为概率密度。
- `histtype='step'` 绘制直方图的线条而不是填充颜色。
- `label='Cumulative'` 添加图例标签。
- `ax.grid(True)` 添加网格线。
- `ax.legend(loc='right')` 添加图例。
- `ax.set_title('Cumulative Distribution')` 设置图形标题。
- `ax.set_xlabel('Value')` 设置x轴标签。
- `ax.set_ylabel('Probability')` 设置y轴标签。
- `plt.show()` 显示图形。

python画粒径分布图

要画粒径分布图，一般我们需要先获取粒径数据，并将其按照一定的粒径区间进行分组统计。下面是一个简单的 Python 代码示例，可以实现从 Excel 文件中读取粒径数据，按照一定区间统计粒径数量，最终绘制出粒径分布图。

首先，我们需要安装 pandas 和 matplotlib 库，使用 pip 命令即可：

pip install pandas matplotlib

接着，我们可以按照以下步骤进行编码：

1. 导入库和数据

import pandas as pd
import matplotlib.pyplot as plt

# 读取 Excel 数据
data = pd.read_excel('data.xlsx')

2. 定义粒径区间和统计函数

# 粒径区间
bins = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

# 统计函数
def count_particles(d, bins):
    counts = []
    for i in range(len(bins)-1):
        count = ((d >= bins[i]) & (d < bins[i+1])).sum()
        counts.append(count)
    return counts

# 统计粒径数量
counts = count_particles(data['d'], bins)

3. 绘制粒径分布图

# 绘制直方图
plt.bar(bins[:-1], counts, width=10)

# 设置坐标轴标签
plt.xlabel('粒径区间')
plt.ylabel('粒径数量')

# 显示图形
plt.show()

这样就可以得到一个简单的粒径分布图了。需要注意的是，上述代码中的“data.xlsx”是一个 Excel 文件，它包含一列名为“d”的数据，表示粒径大小。如果你的数据格式不同，需要相应地修改代码。同时，粒径区间和统计函数也可以根据实际情况进行修改。