1. Matplotlib: plt.hist()
Matplotlib es la librería de graficación estándar. Dale a plt.hist() una lista o array de NumPy y agrupa los valores y dibuja las barras.
import matplotlib.pyplot as plt plt.hist(data, bins=20, color="steelblue", edgecolor="white") plt.title("Distribution of values") plt.xlabel("Value") plt.ylabel("Frequency") plt.show()
The key argument is bins. Pasa un entero para un número aproximado de barras, una lista de bordes para control exacto, o una regla como "auto" to let NumPy decide.
Obtén los conteos de intervalos con NumPy
A veces quieres los números, no solo la imagen. numpy.histogram(data, bins=20) devuelve dos arrays — los conteos en cada intervalo y los bordes de los intervalos — sin dibujar nada. Es útil para construir tu propia tabla de frecuencias, exportar a CSV o alimentar los conteos a otro gráfico. Luego puedes pasar los mismos bins array to plt.hist() para que el gráfico y la tabla coincidan exactamente.
Choosing the number of bins
Pocos intervalos aplanan la forma; demasiados la convierten en ruido. Un punto de partida seguro es bins="auto", que usa el mayor entre las estimaciones de Sturges y Freedman–Diaconis. Para informes reproducibles, ajusta un número explícito como bins=20, or define exact edges with bins=range(0, 101, 10) so every reader sees the same intervals.
Guarda la figura para un informe
Call plt.savefig("histogram.png", dpi=300, bbox_inches="tight") before plt.show() to export a crisp, high-resolution image. Use a .svg en su lugar para una versión vectorial escalable que se mantiene nítida al imprimir.
Common Python histogram errors
Dos problemas aparecen a menudo. Primero, pasar una lista que contenga None or NaN puede distorsionar o romper el gráfico — filtra estos valores antes, por ejemplo con una comprensión de lista o data = data[~np.isnan(data)]. Second, forgetting plt.show() (fuera de un notebook) hace que la ventana nunca aparezca; en Jupyter la figura se renderiza en línea automáticamente.