Matplotlib의 axes.hist 함수 사용법

axes.hist()

Matplotlib에서 Axes 객체를 통해 히스토그램을 그리는 메서드.

• pyplot.hist() 과 큰 차이는 없음
• 개인적 선호가 oos 이지만  script도 충분함: 문헌에서는 보다 세밀한 제어 등을 강점으로 애기하지만... 사용자 나름인 듯.

---

기본 구문

axes.hist(
    x, 
    bins=None, 
    range=None, 
    density=False, 
    weights=None,
    cumulative=False, 
    bottom=None, 
    histtype='bar',
    align='mid', 
    orientation='vertical', 
    rwidth=None,
    log=False, 
    color=None, 
    label=None, 
    stacked=False,
    **kwargs,
    )

---

주요 매개변수 설명

• x : 입력 데이터. array 또는 sequence of arrays
• bins:
  • int: 균등한 간격의 구간 수
  • array: 구간 경계를 직접 지정 (예: [0, 1, 2, 3])
  • str: 'auto', 'sturges', 'fd', 'doane', 'scott', 'rice', 'sqrt' 중 하나
    • 데이터가 정규 분포에 가깝다면: 'scott', 'sturges'
    • 이상치가 많거나 비정규 분포라면: 'fd', 'doane'
    • 대용량 데이터셋의 경우: 'fd', 'scott'
    • 빠른 시각화를 위해서는: 'sqrt', 'rice'
• range:
  • 히스토그램의 독립변수 축의 (최소값, 최대값) 튜플
  • 히스토그램이 나타낼 데이터 범위에 해당함.
• density: True면 확률 밀도 함수로 Normalization
• weights: 각 데이터 포인트의 가중치
• cumulative: True 면 누적 히스토그램 그리기
• histtype: 다음 중 선택.
  • 'bar',
  • 'barstacked',
  • 'step',
  • 'stepfilled'
• align: 막대 정렬 방식 ('left', 'mid', 'right')
• orientation: 'vertical' 또는 'horizontal'
• rwidth: 막대의 상대적 너비 (0~1 사이)
• log: True면 y축을 로그 스케일로 표시
• color: 막대 색상
• label: 범례에 표시될 레이블
• edgecolor: 막대 테두리 색상
• linewidth: 막대 테두리 선 두께
• zorder: 그래픽 요소의 z-index
• stacked: 여러 데이터셋을 쌓아서 표시할지 여부

---

참고: bins 설정 상세

1. 'auto':
   • matplotlib의 기본 설정으로, 현재는 'sturges' 방법 또는 'fd' 방법 중 고름 (3.8기준).
     
     • # of sample instances < 1000: 'sturges'
     • 그 외: `fd`
   • 데이터 크기와 특성에 따라 자동으로 결정.
2. 'sturges':
   • 가장 간단한 규칙 중 하나로, bin 수 = log₂(n) + 1 (n은 데이터 포인트 수)
   • 정규 분포 데이터에 적합. 단, 데이터가 많을 경우 bin이 너무 적게 생성되는 단점을 가짐.
3. 'fd' (Freedman-Diaconis):
   • bin 너비 = 2 × IQR × n^(-1/3) (IQR: 사분위 범위, n: 데이터 포인트 수)
   • 이상치에 강건하며, 큰 데이터셋에 유리하며 정규분포가 아닐 때 사용됨.
4. 'doane':
   • Sturges의 규칙을 확장한 것으로, 데이터가 정규분포가 아닐 때 보다 효과적.
   • 왜도(skewness)를 고려하여 bin 수를 조정.
5. 'scott':
   • bin 너비 = 3.5 × σ × n^(-1/3) (σ: 표준편차, n: 데이터 포인트 수)
   • 정규 분포 데이터에 최적화.
6. 'rice':
   • bin 수 = 2 × n^(1/3) (n은 데이터 포인트 수)
   • 데이터 크기에 기반한 간단한 규칙.
7. 'sqrt':
   • bin 수 = √n (n은 데이터 포인트 수)
   • 가장 간단한 방법 중 하나로, 데이터 크기의 제곱근을 bin 수로 사용.

---

반환값

axes.hist() 함수는 다음 세 가지 값을 반환함:

1. n: 각 구간의 히스토그램 값(빈도) 배열
2. bins: 구간 경계 배열
3. patches: 막대 객체의 list 또는 nested list.

---

Object Oriented Style 의 예제

import matplotlib.pyplot as plt
import numpy as np

# 데이터 생성
data = np.random.randn(1000)

# Figure와 Axes 객체 생성
fig, ax = plt.subplots(figsize=(5, 3))

# axes.hist() 메서드를 사용해 히스토그램 그리기
n, bins, patches = ax.hist(
    data,
    bins=30,
    edgecolor='black',
    linewidth=0.8,
    color='skyblue',
    alpha=0.7
)

# 그래프 꾸미기
ax.set_title('oos histogram')
ax.set_xlabel('value')
ax.set_ylabel('frequency')
ax.grid(alpha=0.3)

plt.tight_layout()
plt.show()

 

그 외 보다 자세한 예제는 다음을 참고:

https://gist.github.com/dsaint31x/17fd93a4e346f53669eedac1e2a7ee9a

matplotlib_hist.ipynb

---

다음은 pandas의 DataFrame 객체를 이용한 경우임.

df["total"].hist(
    bins = 10,
    orientation='horizontal',
    color="skyblue",
    edgecolor="red",
    linewidth=2,
)

https://gist.github.com/dsaint31x/43f6c696183687dbed381f637dff3134

pandas_df_hist.ipynb

 

computer_programming_2025_blind.csv

0.01MB

---

같이 보면 좋은 자료들

2024.06.03 - [Python/matplotlib] - [matplotlib] Object Oriented Style Tutorial

[matplotlib] Object Oriented Style Tutorial

2024.04.13 - [Python] - [DL] Pandas 로 csv 읽기: read_csv

[DL] Pandas 로 csv 읽기: read_csv

---