plt.hist的返回值是怎么计算的

plt.hist() 函数返回一个元组，其中包含三个值：

1. n：每个 bin 中的数据点数量。
2. bins：用于创建直方图的 bin 边界值的数组。
3. patches：表示每个 bin 的收集的 Rectangle 对象的列表。

可以通过解析返回的元组来获取这些值，例如：

import matplotlib.pyplot as plt

data = [1, 2, 2, 3, 3, 3, 4, 4, 5]

n, bins, patches = plt.hist(data)

print("n:", n)
print("bins:", bins)
print("patches:", patches)

输出结果将是每个变量的值。

相关问题

np.histogram()不是plt.hist

np.histogram()是NumPy库中的一个函数，用于计算给定数据的直方图。与plt.hist()函数不同，np.histogram()只返回直方图的统计结果，而不会直接绘制图形。

np.histogram()函数的语法如下：

numpy.histogram(a, bins=10, range=None, normed=False, weights=None, density=None)

参数说明：
- a：输入的数据数组。
- bins：直方图的箱子数量，默认为10。
- range：数据的范围，默认为数据的最小值和最大值。
- normed：是否对直方图进行归一化，默认为False。
- weights：数据的权重，默认为None。
- density：是否返回概率密度而不是计数，默认为None。

返回值：
- hist：直方图的计数或概率密度值。
- bin_edges：每个箱子的边界值。

import numpy as np import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"]=["SimHei"] plt.rcParams["axes.unicode_minus"]=False data=np.random.randint(40,101,(1000,)) bins=[40,60,70,80,90,100] c1,c2,c3,c4,c5 = plt.hist( data, bins=bins, align="mid", histtype='bar', rwidth=0.3, color='r', hatch='/',) h_1 = c1.sum() plt.text(50,h_1,s='不及格:'+'{}'.format(h_1),ha='center') h_2 = c2.sum() plt.text(65,h_2,s='及格:'+'{}'.format(h_2),ha='center') h_3 = c3.sum() plt.text(75,h_3,s='中等:'+'{}'.format(h_3),ha='center') h_4 = c4.sum() plt.text(85,h_4,s='良好:'+'{}'.format(h_4),ha='center') h_5 = c5.sum() plt.text(95,h_4,s='优秀:'+'{}'.format(h_5),ha='center') plt.title("成绩统计直方图") plt.xlabel("成绩区间") plt.xticks(bins) plt.ylabel("数量") plt.show()报错：not enough values to unpack (expected 5, got 3)怎么修改

这个错误通常是因为 bins 参数指定的区间数量与返回值的数量不匹配导致的。

在这段代码中，bins 参数指定了 6 个区间，但是只有 3 个返回值。这是因为 hist 函数默认只返回三个值，分别是：

1. 直方图数据（频数）
2. 直方图数据的区间范围
3. 直方图的 patches 对象，用于修改直方图的外观

因此，您需要修改代码，将返回值的数量与 bins 参数的数量匹配。您可以通过指定一个 `_` 的变量名来忽略不需要的返回值，然后再将需要的数据存储到变量中，例如：

freq, bins, patches = plt.hist(data, bins=bins, align="mid", ...)
c1, c2, c3, c4, c5 = freq

这样就可以将直方图数据的频数存储到变量 c1、c2、c3、c4、c5 中，然后按照原来的方法继续处理。

完整的修改后的代码如下：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

data = np.random.randint(40, 101, (1000,))
bins = [40, 60, 70, 80, 90, 100]

freq, bins, patches = plt.hist(
    data,
    bins=bins,
    align="mid",
    histtype='bar',
    rwidth=0.3,
    color='r',
    hatch='/',
)

c1, c2, c3, c4, c5 = freq

h_1 = c1.sum()
plt.text(50, h_1, s='不及格:'+'{}'.format(h_1), ha='center')

h_2 = c2.sum()
plt.text(65, h_2, s='及格:'+'{}'.format(h_2), ha='center')

h_3 = c3.sum()
plt.text(75, h_3, s='中等:'+'{}'.format(h_3), ha='center')

h_4 = c4.sum()
plt.text(85, h_4, s='良好:'+'{}'.format(h_4), ha='center')

h_5 = c5.sum()
plt.text(95, h_5, s='优秀:'+'{}'.format(h_5), ha='center')

plt.title("成绩统计直方图")
plt.xlabel("成绩区间")
plt.xticks(bins)
plt.ylabel("数量")
plt.show()

希望这可以帮助到您。