第一：导入包

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

第二：造数据

d = np.random.randn(10000) #生成一个服从高斯分布的10000个样本的数据

第三：参数解释

plt.hist(x,bins=None,range=None,density=None,weights=None,cumulative=False,bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=None,log=False,color=None,label=None,stacked=False,normed=None,,data=None,*kwargs,)
3.1 X：是用来绘制图形的数据，即x轴的数据
3.2 bins：可以为整数，也可以为一个序列（比如list）
（1） 当bin为整数时，则等于柱子的个数，有bin + 1个边。
（2）当bin为sequence时，即给定了每个柱子的边界值，柱子个数等于len(sequence) - 1，每个区间，为前闭后开（[)）,但是最后一个区间为前后闭,如bin = [1, 2, 3, 4]，则区间分别为[1,2), [2,3),[3,4]

bins=20
bins=[-4,-3,-2,-1,0,1,2,3,4]

（3）在Numpy >= 1.11时，bin可以为string， 'auto', 'sturges', 'fd','doane', 'scott', 'rice', 'sturges' or 'sqrt'
range: 为bin的最小值和最大值显示区间，但是当bin为sequence时，不起作用，即只对bin=int时起作用。
3.3 edgecolor：是柱子边界的颜色。
3.4 facecolor： 是柱子的颜色。
3.5 color：是柱子的颜色，color和facecolor指定一个即可，如果两者都指定，则color不起作用，而facecolor起作用。且默认颜色为蓝色。
3.6 range: 即对做hist的x的范围进行限定，默认的range=(x.min(), x.max())

range = (-2,2))
range = (-2,16)
3.7 density： 返回数组值的第一个值是以频数展（density=False）示还是频率(density = True)展示。当以频率进行展示时，the counts normalized to form a probability density，即频数被均一化成概率密度形式，柱状图下面的面积为1，公式为频数（count） / (观测总数 * bin的宽度),如果 stacked也=True，则柱状图不被均一化为1.
在新的版本中normed被取消，用density代替， 二者不能同时使用，会报错：ValueError: kwargs 'density' and 'normed' cannot be used simultaneously. Please only use 'density', since 'normed'is deprecated.，如果使用normed会报警告：The 'normed' kwarg was deprecated in Matplotlib 2.1 and will be removed in 3.1. Use 'density' instead.
alternative="'density'", removal="3.1")
density=True的返回值表现
density=True的图形表现
3.8 histtype：柱子的格式，有'bar', 'barstacked', 'step', 'stepfilled'种，bar为默认参数（为传统的bar格式）， barstacked 也为bar格式，当数据为1个时，和bar结果一样，当数据为多个时，则进行垂直堆叠，step：为线状的lineplot，类似于没有填充，stepfilled则有填充，和bar效果一致。
histtype = step
3.9 align：align : {'left', 'mid', 'right'}, optional
Controls how the histogram is plotted.

    - 'left': bars are centered on the left bin edges.
    left：柱子的中心位于bin的左边缘处
    - 'mid': bars are centered between the bin edges.
   mid：柱子的中心位于bin的左右边缘的中间，即bin的中心
    - 'right': bars are centered on the right bin edges.
   right：柱子的中心位于bin的右边缘处。
Default is 'mid'

align=left
align = right
3.10 log : bool，默认False,即y坐标轴是否选择指数刻度
log=True
3.11 stacked: bool，默认为False，是否为堆积状图,如图所示，其中a和b数据最高值均为0.4左右，只是堆积在一起，就会把第一个数据a给相对缩小。
stacked = True

3.12 orientation 柱子的方向，垂直（vertical， 默认）和水平（horizontal）

orientation="horizontal"
**3.13 rwidth ** 柱子的相对宽度
rwidth=0.1
rwidth=0.3
rwidth=0.8
rwidth=1.0
3.14 label 数据的标签，用于展示图例时使用。
一组数据 label = "ab" d = np.random.randn(10000)
二组数据 label = ["a", "b"] d = np.random.randn(10000, 2)

3.15 bottom ：是指基线的每个bin的相对位置，默认在0.0的位置，即不做任何上下偏移，当作偏移时，可以使bottom的值不为0.0

#tottom的个数要和bins的个数相同。
plt.hist(d, bins=20,density = True, align = "mid",histtype = "bar", log = False, orientation="vertical", rwidth = 1.0, label = ["a", "b"], stacked = True, bottom = [0.1] *20)

bottom = [0.1] *20
bottom = None,默认值
3.16 cumulative ：是指结果中是否以累积频数或频率进行展示，默认是不以频率或频数进行展示，即展示各个bin上频数或频率。

plt.hist(d, bins=20, density = True, align = "mid",histtype = "bar", log = False, orientation="vertical", rwidth = 1.0, label = ["a", "b"], stacked = True, cumulative = True)
plt.hist(d, bins=20, density = False, align = "mid",histtype = "bar", log = False, orientation="vertical", rwidth = 1.0, label = ["a", "b"], stacked = True, cumulative = True)

density = True和cumulative = True
density = False和cumulative = True 2组数据

第四：返回值

返回值为一个包含3个元素的tuple
第一个值：每个bin的频率（density = True）或频数（density= False）
第二个值：所有bin的边界值，值的个数为bin_num + 1
可以利用第一和第二返回值进行绘制曲线拟合
第三个值：图形的对象。Patches <a list of 2 Lists of Patches objects>

Patches 1个数据 返回值
2个数据 返回值

第五：实例(官网)

[https://matplotlib.org/gallery/pyplots/pyplot_text.html#sphx-glr-gallery-pyplots-pyplot-text-py]

import numpy as np
import matplotlib.pyplot as plt

# Fixing random state for reproducibility
np.random.seed(19680801)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.xlim(40, 160)
plt.ylim(0, 0.03)
plt.grid(True)
plt.show()

image.png