Histogrammit ovat perustyökalu tietojen visualisoinnissa, ja ne tarjoavat graafisen esityksen tiedon jakautumisesta. Ne ovat erityisen hyödyllisiä jatkuvan tiedon, kuten numeeristen mittausten tai anturin lukemien, tutkimiseen. Tämä artikkeli opastaa sinua Plot Histogram in -prosessin läpi Python käyttämällä Matplotlib , joka kattaa olennaiset vaiheet tietojen valmistelusta histogrammikaavion luomiseen.
Mikä on Matplotlib Histograms?
A Histogrammi edustaa joidenkin ryhmien muodossa toimitettua tietoa. Se on tarkka menetelmä numeerisen tiedon jakauman graafiseen esittämiseen. Se on eräänlainen pylväsdiagrammi, jossa X-akseli edustaa bin-alueita, kun taas Y-akseli antaa tietoja taajuudesta.
Matplotlib-histogrammin luominen
Matplotlib-histogrammin luomiseksi ensimmäinen askel on luoda alueista joukko, jakaa sitten koko arvojen alue sarjaan ja laskea arvot, jotka kuuluvat kuhunkin intervalliin. Säiliöt tunnistetaan peräkkäisiksi, ei-päällekkäisiksi muuttujien aikaväleiksi matplotlib.pyplot.hist() funktiota käytetään x:n histogrammin laskemiseen ja luomiseen.
Seuraavassa taulukossa näkyvät matplotlib.pyplot.hist()-funktion hyväksymät parametrit:
| Attribuutti | Parametri |
|---|---|
| x | taulukko tai taulukon sekvenssi |
| roskakorit | valinnainen parametri sisältää kokonaisluvun tai sekvenssin tai merkkijonoja |
| tiheys | Valinnainen parametri sisältää loogisia arvoja |
| alue | Valinnainen parametri edustaa ylemmät ja alemmat säiliöt |
| histtype | valinnainen parametri, jota käytetään luomaan histogrammin tyyppi [bar, barstacked, step, stepfilled], oletus on palkki |
| kohdistaa | valinnainen parametri ohjaa histogrammin piirtämistä [vasen, oikea, keski] |
| painot | valinnainen parametri sisältää joukon painoja, joilla on samat mitat kuin x |
| pohja | kunkin säiliön perusviivan sijainti |
| leveys | valinnainen parametri, joka on palkkien suhteellinen leveys suhteessa säiliön leveyteen |
| väri | valinnainen parametri, jota käytetään värin tai värien järjestyksen asettamiseen |
| etiketti | valinnainen parametrimerkkijono tai merkkijonosarja, joka vastaa useita tietojoukkoja |
| Hirsi | valinnainen parametri, jota käytetään histogrammin akselin asettamiseen log-asteikolla |
Histogrammin piirtäminen Pythonissa Matplotlibillä
Täällä näemme erilaisia menetelmiä Histogrammin piirtämiseen Matplotlibissa Python :
- Perus histogrammi
- Mukautettu histogrammi tiheyskaaviolla
- Mukautettu histogrammi vesileimalla
- Useita histogrammeja alikaavioilla
- Pinottu histogrammi
- 2D-histogrammi (Hexbin Plot)
Luo perushistogrammi Matplotlibissä
Luodaan perushistogrammi Matplotlibiin Pythonilla joistakin satunnaisista arvoista.
tcp ja ip malli
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Plotting a basic histogram> plt.hist(data, bins>=>30>, color>=>'skyblue'>, edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Basic Histogram'>)> # Display the plot> plt.show()> |
>
>
Lähtö:
Mukautettu histogrammi Matplotlibissä tiheyskaaviolla
Luodaan mukautettu histogrammi, jossa on tiheyskäyrä käyttämällä Matplotlibiä ja Seabornia Pythonissa. Tuloksena oleva käyrä visualisoi satunnaisten tietojen jakauman tasaisella tiheysestimaatilla.
Python 3
import> matplotlib.pyplot as plt> import> seaborn as sns> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Creating a customized histogram with a density plot> sns.histplot(data, bins>=>30>, kde>=>True>, color>=>'lightgreen'>, edgecolor>=>'red'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Density'>)> plt.title(>'Customized Histogram with Density Plot'>)> # Display the plot> plt.show()> |
>
>
Lähtö:
Mukautettu histogrammi vesileimalla
Luo mukautettu histogrammi käyttämällä Matplotlibiä Pythonissa tietyillä ominaisuuksilla. Se sisältää lisämuotoiluelementtejä, kuten akselin rastien poistamisen, pehmusteen lisäämisen ja värigradientin asettamisen parempaa visualisointia varten.
Python 3
linux $home
import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib>import> colors> from> matplotlib.ticker>import> PercentFormatter> # Creating dataset> np.random.seed(>23685752>)> N_points>=> 10000> n_bins>=> 20> # Creating distribution> x>=> np.random.randn(N_points)> y>=> .>8> *>*> x>+> np.random.randn(>10000>)>+> 25> legend>=> [>'distribution'>]> # Creating histogram> fig, axs>=> plt.subplots(>1>,>1>,> >figsize>=>(>10>,>7>),> >tight_layout>=> True>)> # Remove axes splines> for> s>in> [>'top'>,>'bottom'>,>'left'>,>'right'>]:> >axs.spines[s].set_visible(>False>)> # Remove x, y ticks> axs.xaxis.set_ticks_position(>'none'>)> axs.yaxis.set_ticks_position(>'none'>)> > # Add padding between axes and labels> axs.xaxis.set_tick_params(pad>=> 5>)> axs.yaxis.set_tick_params(pad>=> 10>)> # Add x, y gridlines> axs.grid(b>=> True>, color>=>'grey'>,> >linestyle>=>'-.'>, linewidth>=> 0.5>,> >alpha>=> 0.6>)> # Add Text watermark> fig.text(>0.9>,>0.15>,>'Jeeteshgavande30'>,> >fontsize>=> 12>,> >color>=>'red'>,> >ha>=>'right'>,> >va>=>'bottom'>,> >alpha>=> 0.7>)> # Creating histogram> N, bins, patches>=> axs.hist(x, bins>=> n_bins)> # Setting color> fracs>=> ((N>*>*>(>1> /> 5>))>/> N.>max>())> norm>=> colors.Normalize(fracs.>min>(), fracs.>max>())> for> thisfrac, thispatch>in> zip>(fracs, patches):> >color>=> plt.cm.viridis(norm(thisfrac))> >thispatch.set_facecolor(color)> # Adding extra features> plt.xlabel(>'X-axis'>)> plt.ylabel(>'y-axis'>)> plt.legend(legend)> plt.title(>'Customized histogram'>)> # Show plot> plt.show()> |
>
>
fmovies intia
Lähtö:
Useita histogrammeja alikaavioilla
Luodaan kaksi histogrammia vierekkäin käyttämällä Pythonin Matplotlibiä, joista jokaisella on omat satunnaiset tiedot ja jotka tarjoavat visuaalisen vertailundata1>jadata2>käyttämällä histogrammeja.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for multiple histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating subplots with multiple histograms> fig, axes>=> plt.subplots(nrows>=>1>, ncols>=>2>, figsize>=>(>12>,>4>))> axes[>0>].hist(data1, bins>=>30>, color>=>'Yellow'>, edgecolor>=>'black'>)> axes[>0>].set_title(>'Histogram 1'>)> axes[>1>].hist(data2, bins>=>30>, color>=>'Pink'>, edgecolor>=>'black'>)> axes[>1>].set_title(>'Histogram 2'>)> # Adding labels and title> for> ax>in> axes:> >ax.set_xlabel(>'Values'>)> >ax.set_ylabel(>'Frequency'>)> # Adjusting layout for better spacing> plt.tight_layout()> # Display the figure> plt.show()> |
>
>
Lähtö:
Pinottu histogrammi Matplotlibillä
Luodaan pinottu histogrammi Pythonin Matplotlibillä, joka edustaa kahta tietojoukkoa, joilla on erilaiset satunnaiset tietojakaumat. Pinottu histogrammi antaa käsityksen kahden tietojoukon yhdistetystä taajuusjakaumasta.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for stacked histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating a stacked histogram> plt.hist([data1, data2], bins>=>30>, stacked>=>True>, color>=>[>'cyan'>,>'Purple'>], edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Stacked Histogram'>)> # Adding legend> plt.legend([>'Dataset 1'>,>'Dataset 2'>])> # Display the plot> plt.show()> |
>
>
Lähtö:
Piirrä 2D-histogrammi (Hexbin Plot) käyttämällä Matplotlibiä
Luodaan 2D-heksabiinidiagrammi Pythonin Matplotlibilla, tarjoaa visuaalisen esityksen 2D-datajakaumasta, jossa kuusikulmiot välittävät datapisteiden tiheyden. Väripalkki auttaa tulkitsemaan pisteiden tiheyttä kuvaajan eri alueilla.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random 2D data for hexbin plot> x>=> np.random.randn(>1000>)> y>=> 2> *> x>+> np.random.normal(size>=>1000>)> # Creating a 2D histogram (hexbin plot)> plt.hexbin(x, y, gridsize>=>30>, cmap>=>'Blues'>)> # Adding labels and title> plt.xlabel(>'X values'>)> plt.ylabel(>'Y values'>)> plt.title(>'2D Histogram (Hexbin Plot)'>)> # Adding colorbar> plt.colorbar()> # Display the plot> plt.show()> |
dynaaminen ohjelmointi
>
>
Lähtö:
Johtopäätös
Matplotlib-histogrammien piirtäminen on yksinkertainen ja suoraviivainen prosessi. Käyttämällähist()>-toiminnon avulla voimme helposti luoda histogrammeja, joissa on eri leveys ja eri reunoja. Voimme myös muokata histogrammien ulkoasua tarpeidemme mukaan