Matplotlib绘制直方图技术求助：基于新加坡机动车燃油数据集

我看了你当前的代码，发现不仅重复代码太多，还没完全实现你想要的两类需求——各车型不同燃料类型的使用频次统计（这里分两种场景：一是各燃料的总使用量统计，二是各燃料使用量的分布直方图）和特定车型（如出租车）的燃料类型频次统计。下面我给你优化后的代码，同时覆盖这两种场景：

先明确需求场景 #

首先要区分两个常见的统计方向：

• 类型频次统计：展示不同燃料类型对应的总使用量（用柱状图更直观）
• 分布直方图：展示某类燃料使用量在时间维度的分布情况（比如各年份数量的频次）

下面的代码会同时实现这两个方向的需求：

完整代码实现 #

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

# 读取数据集，pandas处理表格数据更高效
df = pd.read_csv("data/motor-vehicle-population-statistics-by-type-of-fuel-used.csv")
# 转换日期列，提取年份用于时间维度分析
df['year'] = pd.to_datetime(df['month']).dt.year

# --------------------------
# 场景1：各车型不同燃料类型的总使用量统计（柱状图）
# --------------------------
plt.figure(figsize=(14, 8))
categories = df['category'].unique()
fuel_types = df['type'].unique()
bar_width = 0.15
x = np.arange(len(categories))

# 循环绘制每种燃料的柱状图
for idx, fuel in enumerate(fuel_types):
    # 按车型分组，计算该燃料的总使用量
    grouped_data = df[df['type'] == fuel].groupby('category')['number'].sum()
    # 填充缺失车型的数据为0，避免图表断层
    grouped_data = grouped_data.reindex(categories, fill_value=0)
    plt.bar(x + idx*bar_width, grouped_data.values, width=bar_width, alpha=0.7, label=fuel)

plt.title('各车型不同燃料类型总使用量统计', fontsize=16)
plt.xlabel('车型', fontsize=12)
plt.ylabel('总使用量', fontsize=12)
plt.xticks(x + bar_width*(len(fuel_types)-1)/2, categories, rotation=45)
plt.legend(title='燃料类型', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()

# --------------------------
# 场景2：各车型不同燃料类型的使用量分布直方图
# --------------------------
plt.figure(figsize=(14, 8))
# 选几个主要车型展示，避免图表太拥挤
selected_categories = ['Cars', 'Taxis', 'Buses']
for cat in selected_categories:
    cat_data = df[df['category'] == cat]
    # 获取该车型的所有燃料类型
    cat_fuels = cat_data['type'].unique()
    for fuel in cat_fuels:
        fuel_values = cat_data[cat_data['type'] == fuel]['number'].values
        plt.hist(fuel_values, alpha=0.4, label=f"{cat}-{fuel}", bins=8)

plt.title('各车型不同燃料类型使用量分布直方图', fontsize=16)
plt.xlabel('使用量', fontsize=12)
plt.ylabel('频次（年份数量）', fontsize=12)
plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()

# --------------------------
# 场景3：特定车型（出租车）的燃料类型总使用量统计（柱状图）
# --------------------------
plt.figure(figsize=(10, 6))
taxi_grouped = df[df['category'] == 'Taxis'].groupby('type')['number'].sum()
taxi_grouped.plot(kind='bar', alpha=0.7, colormap='viridis')

plt.title('出租车不同燃料类型总使用量统计', fontsize=16)
plt.xlabel('燃料类型', fontsize=12)
plt.ylabel('总使用量', fontsize=12)
plt.xticks(rotation=45)
plt.tight_layout()

# --------------------------
# 场景4：特定车型（出租车）的燃料类型使用量分布直方图
# --------------------------
plt.figure(figsize=(10, 6))
taxi_fuels = df[df['category'] == 'Taxis']['type'].unique()
for fuel in taxi_fuels:
    fuel_values = df[(df['category'] == 'Taxis') & (df['type'] == fuel)]['number'].values
    plt.hist(fuel_values, alpha=0.5, label=fuel, bins=8)

plt.title('出租车各燃料类型使用量分布直方图', fontsize=16)
plt.xlabel('使用量', fontsize=12)
plt.ylabel('频次（年份数量）', fontsize=12)
plt.legend()
plt.tight_layout()

plt.show()

代码优化点说明 #

1. 减少重复代码：用循环和分组代替原来逐个手动筛选的方式，大幅简化代码，也方便后续扩展更多车型/燃料类型
2. 数据预处理：用pandas处理日期和分组，比numpy更适合表格数据，还能自动填充缺失值
3. 图表可读性优化：调整图尺寸、坐标轴标签、图例位置，添加旋转的x轴标签避免重叠，用tight_layout()自动调整布局
4. 覆盖两种统计场景：既实现了总使用量的对比（柱状图），也实现了使用量的分布直方图，完全匹配你的需求

额外小技巧 #

• 如果只想看最新年份的数据，可以添加筛选条件：df = df[df['year'] == df['year'].max()]
• 可以调整bins参数来改变直方图的区间数量，让分布展示更合理
• 如果需要保存图表，只需要在plt.show()前添加plt.savefig('图表名称.png', dpi=300, bbox_inches='tight')

内容的提问来源于stack exchange，提问作者coder121