Biểu đồ bins python

Một biểu đồ đơn giản có thể là bước đầu tiên tuyệt vời để hiểu tập dữ liệu. Trước đó, chúng ta đã xem bản xem trước chức năng biểu đồ của Matplotlib [xem So sánh, Mặt nạ và Logic Boolean], chức năng này tạo biểu đồ cơ bản trong một dòng, sau khi quá trình nhập bản ghi nồi hơi thông thường được thực hiện xong

Trong 1]

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
plt.style.use['seaborn-white']

data = np.random.randn[1000]

Trong 2]

plt.hist[data];

Thật khó tưởng tượng rằng bạn mở một tờ báo hoặc tạp chí mà không thấy một số biểu đồ cho bạn biết về số người hút thuốc trong nhóm tuổi nhất, số ca sinh trong một và v.v. Đó là một cách tuyệt vời để mô tả các sự kiện mà không cần phải sử dụng quá nhiều từ, nhưng về mặt hạn chế, chúng ta cũng có thể sử dụng để thao túng hoặc nói dối thông qua thống kê

Biểu đồ là gì? . Đây là một đại diện đồ họa của một tần số phân định của một số dữ liệu số. Hình chữ nhật có kích thước bằng nhau theo hướng ngang có chiều cao tương ứng với tần suất

Nếu chúng ta xây dựng một biểu đồ, chúng ta sẽ bắt đầu phân loại phạm vi của các giá trị x có thể vào các khoảng hoặc thùng chứa thường có kích thước bằng nhau và liền kề.

Bây giờ chúng ta bắt đầu với một chương trình Python thực. Chúng tôi tạo một biểu đồ với các số ngẫu nhiên

>>> import matplotlib.pyplot as plt

>>> import numpy as np

>>> gaussian_numbers = np.random.normal[size=1000]

>>> plt.hist[gaussian_numbers]

[array[[  10.,   29.,  118.,  231.,  265.,  221.,  100.,   22.,    3.,    1.]], array[[-3.09815172, -2.40020948, -1.70226724, -1.00432499, -0.30638275,

        0.39155949,  1.08950174,  1.78744398,  2.48538622,  3.18332846,

        3.88127071]], ]

>>> plt.title["Gaussian Histogram"]



>>> plt.xlabel["Value"]



>>> plt.ylabel["Frequency"]



>>> plt.show[]

>>> n, bins, patches = plt.hist[gaussian_numbers]

>>> print["n: ", n, sum[n]]

['n: ', array[[  10.,   29.,  118.,  231.,  265.,  221.,  100.,   22.,    3.,    1.]], 1000.0]

>>> print["bins: ", bins]

['bins: ', array[[-3.09815172, -2.40020948, -1.70226724, -1.00432499, -0.30638275,

        0.39155949,  1.08950174,  1.78744398,  2.48538622,  3.18332846,

        3.88127071]]]

>>> print["patches: ", patches]

['patches: ', ]

>>> print[patches[1]]

Rectangle[-2.40021,0;0.697942x29]

>>>

Một tham số quan trọng khác của lịch sử là "chuẩn". "normed" is option and default value is 'False'. Nếu nó được đặt thành 'True', phần tử đầu tiên của bộ dữ liệu trả về sẽ được tính theo mức bình thường để tạo thành mức độ xác thực mật khẩu


>>> plt.hist[gaussian_numbers, bins=100, normed=True]
>>> plt.show[]

>>>

Nếu cả hai tham số ‘normed’ và 'stacked' đều được đặt thành 'True', thì tổng biểu đồ được chuẩn hóa thành 1

>>> plt.hist[gaussian_numbers,

...          bins=100,

...          normed=True,

...          stacked=True,

...          edgecolor="#6A9662",

...          color="#DDFFDD"]

>>> plt.show[]

Nếu bạn muốn xem nó như mô tả một bức vẽ với giá trị tăng tiến?

>>> plt.hist[gaussian_numbers,

...          bins=100,

...          normed=True,

...          stacked=True,

...          cumulative=True]

>>> plt.show[]

Thực hiện hành động với biểu đồ thanh thông qua phương thức bar[]

>>> bars = plt.bar[[1,2,3,4], [1,4,9,16]]

>>> bars[0].set_color['green']

>>> plt.show[]

>>>

Và cách thiết lập màu riêng cho các bar để tạo điểm nhấn qua hàm set_color[]. Để có đượng bar tương ứng ta dùng hàm get_children[] của lớp Axis
>>> ax=f.add_subplot[1,1,1]

>>> ax.bar[[1,2,3,4], [1,4,9,16]]



>>> children = ax.get_children[]

>>> children[2].set_color['g']

>>> plt.show[]

Biểu đồ hai chiều và Binnings

Giống như ta tạo biểu đồ trong một chiều bằng cách chia dữ liệu vào thùng, chúng ta cũng có thể tạo biểu đồ theo hai chiều bằng cách chia điểm giữa các thùng chứa hai chiều. Chúng ta sẽ xem xét một số cách để thực hiện điều này ở đây. Chúng ta sẽ bắt đầu bằng cách xác định một số dữ liệu-mảng x và y được rút ra từ một biến đa biến Gaussian

>>> import numpy as np

>>> import matplotlib.pyplot as plt

>>> mean = [0, 0]

>>> cov = [[1, 1], [1, 2]]

>>> x, y = np.random.multivariate_normal[mean, cov, 10000].T

Một cách đơn giản để vẽ biểu đồ hai chiều là sử dụng Matplotlib

plt.hist[data];
0

Hai chiều chart chart được tạo ra từ một tesselation của hình vuông qua các thành phần. Một hình dạng tự nhiên khác cho công việc tesselation là hình lục giác thông thường. Với mục đích này, Matplotlib cung cấp phương thức plt. hexbin, nó sẽ đại diện cho một bộ dữ liệu hai chiều được thêm vào trong một ô lưới lục giác

plt.hist[data];
10

Kết luận

Ở cuối bài học này, bạn đã đọc thu được cách vẽ biểu đồ tần số [Histogram] đối với dữ liệu 1-D & 2-D. Bài học cũng cố gắng mang đến cho người đọc nhiều lựa chọn lựa chọn biểu diễn kèm theo các cách thay đổi tương thích nhất

Chủ Đề