Pyyhkäise näyttääksesi valikon

Histogrammi

Määritelmä

Histogrammit kuvaavat muuttujan frekvenssi- tai todennäköisyysjakaumaa käyttämällä yhtälevyisiä pystysuoria pylväitä, joita kutsutaan usein palkkeiksi.

pyplot-moduuli tarjoaa hist-funktion histogrammien luomiseen. Pakollinen parametri on data (x), joka voi olla taulukko tai taulukoiden jono. Jos useita taulukoita annetaan, jokainen näytetään eri värillä.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a histogram
plt.hist(weather_df['Seattle'])
plt.show()

Väliarvot ja Korkeus

Series-olio, joka sisältää Seattlen keskimääräiset vuotuiset lämpötilat, välitettiin hist()-funktiolle. Oletuksena data jaetaan 10 yhtä suureen väliin, jotka ulottuvat pienimmästä suurimpaan arvoon. Kuitenkin vain 9 pylvästä näkyy, koska toisessa väliarvossa ei ole yhtään havaintoa.

Kunkin pylvään korkeus vastaa oletuksena tämän välin frekvenssiä (kuinka monta kertaa arvoja esiintyy kyseisessä välissä).

Pylväiden määrä

Toinen tärkeä, mutta valinnainen parametri on bins, joka voi olla joko pylväiden määrä (kokonaisluku), pylväiden reunat määrittelevä lukujono tai merkkijono. Useimmiten pelkkä pylväiden määrän antaminen riittää.

Histogrammin pylväiden leveyden määrittämiseen on useita menetelmiä. Tässä esimerkissä käytämme Sturgesin kaavaa, joka laskee optimaalisen pylväsmäärän otoskoon perusteella:

Tässä n on data-taulukon koko.

Lisätietoa

Voit tutustua muihin binien laskentamenetelmiin täällä.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Specifying the number of bins
plt.hist(weather_df['Seattle'], bins=1 + int(np.log2(len(weather_df))))
plt.show()

Rivien määrä DataFrame:ssä on 26 (Series:n koko), joten binien lopullinen määrä on 5.

Todennäköisyystiheyden approksimaatio

Nähdäksesi todennäköisyystiheyden approksimaation, aseta density-parametri arvoksi True hist-funktiossa.

Nyt jokaisen binin korkeus lasketaan kaavalla:

\text{Korkeus} = \frac{m}{n \times w}

missä:

$n$ – arvojen kokonaismäärä aineistossa;
$m$ – arvojen määrä binissä;
$w$ – binin leveys.

Tämä varmistaa, että histogrammin kokonaispinta-ala on 1, mikä vastaa todennäköisyystiheysfunktion (PDF) keskeistä ominaisuutta.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Making a histogram a probability density function approximation
plt.hist(weather_df['Seattle'], bins=1 + int(np.log2(len(weather_df))), density=True)
plt.show()

Tämä antaa lämpötiladatan todennäköisyystiheysfunktion approksimaation.

Lisätietoa

Jos haluat tutustua tarkemmin hist()-funktion parametreihin, voit katsoa lisätietoja hist()-dokumentaatiosta.

Tehtävä

Swipe to start coding

Luo todennäköisyystiheysfunktion approksimaatio käyttämällä otosta standardin normaalijakauman mukaan:

Käytä oikeaa funktiota histogrammin luomiseen.
Käytä normal_sample histogrammin datana.
Määritä binien määrä toisena argumenttina Sturgesin kaavan mukaan.
Tee histogrammista todennäköisyystiheysfunktion approksimaatio määrittämällä oikeanpuoleisin argumentti oikein.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 4. Luku 1

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Histogrammi

Määritelmä

Histogrammit kuvaavat muuttujan frekvenssi- tai todennäköisyysjakaumaa käyttämällä yhtälevyisiä pystysuoria pylväitä, joita kutsutaan usein palkkeiksi.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a histogram
plt.hist(weather_df['Seattle'])
plt.show()

Väliarvot ja Korkeus

Kunkin pylvään korkeus vastaa oletuksena tämän välin frekvenssiä (kuinka monta kertaa arvoja esiintyy kyseisessä välissä).

Pylväiden määrä

Histogrammin pylväiden leveyden määrittämiseen on useita menetelmiä. Tässä esimerkissä käytämme Sturgesin kaavaa, joka laskee optimaalisen pylväsmäärän otoskoon perusteella:

Tässä n on data-taulukon koko.

Lisätietoa

Voit tutustua muihin binien laskentamenetelmiin täällä.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Specifying the number of bins
plt.hist(weather_df['Seattle'], bins=1 + int(np.log2(len(weather_df))))
plt.show()

Rivien määrä DataFrame:ssä on 26 (Series:n koko), joten binien lopullinen määrä on 5.

Todennäköisyystiheyden approksimaatio

Nähdäksesi todennäköisyystiheyden approksimaation, aseta density-parametri arvoksi True hist-funktiossa.

Nyt jokaisen binin korkeus lasketaan kaavalla:

\text{Korkeus} = \frac{m}{n \times w}

missä:

$n$ – arvojen kokonaismäärä aineistossa;
$m$ – arvojen määrä binissä;
$w$ – binin leveys.

Tämä varmistaa, että histogrammin kokonaispinta-ala on 1, mikä vastaa todennäköisyystiheysfunktion (PDF) keskeistä ominaisuutta.


              12345678910
            
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Making a histogram a probability density function approximation
plt.hist(weather_df['Seattle'], bins=1 + int(np.log2(len(weather_df))), density=True)
plt.show()

Tämä antaa lämpötiladatan todennäköisyystiheysfunktion approksimaation.

Lisätietoa

Jos haluat tutustua tarkemmin hist()-funktion parametreihin, voit katsoa lisätietoja hist()-dokumentaatiosta.

Tehtävä

Swipe to start coding

Luo todennäköisyystiheysfunktion approksimaatio käyttämällä otosta standardin normaalijakauman mukaan:

Käytä oikeaa funktiota histogrammin luomiseen.
Käytä normal_sample histogrammin datana.
Määritä binien määrä toisena argumenttina Sturgesin kaavan mukaan.
Tee histogrammista todennäköisyystiheysfunktion approksimaatio määrittämällä oikeanpuoleisin argumentti oikein.

Ratkaisu

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 4. Luku 1

Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista