错误提示：
pyplot.hist()绘制直方图时提示：
ValueError
: x must have 2 or fewer dimensions
#juzicode.com,#VX:桔子code
import numpy as np
import matplotlib.pyplot as plt
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
a = np.random.randn(2000,2,3)
print('a.shape=',a.shape)
plt.hist(a,bins=50)
plt.title('正态分布 by桔子code')
plt.show()
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-60-e1963ebdf16f> in <module>
7 a = np.random.randn(2000,2,3)
8 print('a.shape=',a.shape)
----> 9 plt.hist(a,bins=50)
10 plt.title('正态分布 by桔子code')
11 plt.show()
d:\python\python38\lib\site-packages\matplotlib\pyplot.py in hist(x, bins, range, density, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, data, **kwargs)
2683 orientation='vertical', rwidth=None, log=False, color=None,
2684 label=None, stacked=False, *, data=None, **kwargs):
-> 2685 return gca().hist(
2686 x, bins=bins, range=range, density=density, weights=weights,
2687 cumulative=cumulative, bottom=bottom, histtype=histtype,
d:\python\python38\lib\site-packages\matplotlib\__init__.py in inner(ax, data, *args, **kwargs)
1445 def inner(ax, *args, data=None, **kwargs):
1446 if data is None:
-> 1447 return func(ax, *map(sanitize_sequence, args), **kwargs)
1449 bound = new_sig.bind(ax, *args, **kwargs)
d:\python\python38\lib\site-packages\matplotlib\axes\_axes.py in hist(self, x, bins, range, density, weights, cumulative, bottom, histtype, align, orientation, rwidth, log, color, label, stacked, **kwargs)
6570 # Massage 'x' for processing.
-> 6571 x = cbook._reshape_2D(x, 'x')
6572 nx = len(x) # number of datasets
d:\python\python38\lib\site-packages\matplotlib\cbook\__init__.py in _reshape_2D(X, name)
1370 return [np.reshape(x, -1) for x in X]
1371 else:
-> 1372 raise ValueError(f'{name} must have 2 or fewer dimensions')
1374 # Iterate over list of iterables.
ValueError: x must have 2 or fewer dimensions
错误原因：
1、pyplot.hist()传入的numpy数组维数不能大于2。
解决方法：
1、a = np.random.randn(2000,2,3)构造的数组是3维的，将第3维拆分，这个例子中第3维的数值为3，可以拆分为3个二维数组：
#juzicode.com,#VX:桔子code
import numpy as np
import matplotlib.pyplot as plt
plt.rc('font',family='Youyuan',size='9')
plt.rc('axes',unicode_minus='False')
a = np.random.randn(2000,2,3)
print('a.shape=',a.shape)
plt.subplots_adjust(wspace=0.2, hspace=0.5)
plt.subplot(221)
plt.title('a[:,:,0]')
plt.hist(a[:,:,0],bins=50)
plt.subplot(222)
plt.title('a[:,:,1]')
plt.hist(a[:,:,1],bins=50)
plt.subplot(223)
plt.title('a[:,:,2]')
plt.hist(a[:,:,2],bins=50)
plt.show()
相关阅读：
数据可视化~matplotlib基本绘图方法
数据可视化~matplotlib显示多个子图
原文链接：http://www.juzicode.com/archives/3139错误提示：pyplot.hist()绘制直方图时提示：ValueError: x must have 2 or fewer dimensions#juzicode.com,#VX:桔子codeimport numpy as npimport matplotlib.pyplot as pltplt.rc('font',family='Youyuan',size='9')plt.rc('axes',u.
本文主要总结如何
绘制
直方图
，以及常用的使用场景。
什么是
直方图
：一个随机变量在各个取值区间有个概率分布，将其
绘制
出来：x轴为等间隔的取值区间(bins)，y轴为该区间的频数(可归一化)，即
直方图
。
Signature:
plt
.
hist
(
bins=None,
range=None,
density=None,
weights=None,
cumulative=False,
bottom=None,
hist
type='bar',
align='mid',
orientation='vertica
一个简单的
直方图
可以直观地展示数据的分布，包括数值分布的区间、密度和形状。
在实际的工作过程中，我们可能需要对数据进行数学建模和统计分析，这些数据处理技术往往基于数据符合的某些假设，而
直方图
是检查数据最好的选择之一。
下面通过
NumPy
模块提供的随机数据生成函数，产生符合正态分布的随机数据，并以它为样例
绘制
直方图
。
import
numpy
as np
import mat
plot
lib.
py
plot
as
plt
randn_data = np.random.randn(1000)
plt
.his
使用到多条数据，这些数据可分为两个类别，类别集合存放在group_label里，每条数据的类别存放在label里，通过对所有的group_label循环，
绘制
不同类别的数据
直方图
。
fig =
plt
.figure()
for each in group_label:
# label为
fig_data = data[[True if i =
这个问题是调用mat
plot
lib做折线图的
时
候，输入的x和y的值有问题产生的，因为你画的图。xy的值必须在一个维度（或者说数量不一致），不然就违背了之前的平面图。当然这个
错误
也适用于其他的平面图的
时
候。
举个例子：关于
报
错后面就是不一样的了，这个鉴于你x和y值的不同产生的
错误
。
简单说的话就是x的数量和y的数量是要一致的，就不能说我x5个，y6个，这怎么匹对？。
就像这这样
当然其实我犯这个
错误
是因为数据输错了。。。当然，我觉得正常输入数据，应该是很难遇到这个
错误
第一种 ： 循环遍历依次遍历图像的像素点，存储不同灰度级的像素点个数
代码（包含画
直方图
）：bool calc
Hist
ograph(Mat img){
if (!img.data)
return false;
Mat gray;
if (img.channels() == 1)
img.co
py
To(gray);
