Lære Histogram | Flere Statistiske Diagrammer

Definisjon

Histogrammer viser frekvens- eller sannsynlighetsfordelingen til en variabel ved å bruke vertikale søyler med lik bredde, ofte kalt stolper.

Modulen pyplot tilbyr funksjonen hist for å lage histogrammer. Det nødvendige parameteret er dataene (x), som kan være en matrise eller en sekvens av matriser. Hvis flere matriser sendes inn, vises hver i en forskjellig farge.


              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()

Intervaller og høyde

Et Series-objekt som inneholder gjennomsnittlige årstemperaturer i Seattle ble sendt til funksjonen hist(). Som standard deles dataene inn i 10 like store intervaller fra minimums- til maksimumsverdien. Imidlertid er kun 9 søyler synlige fordi det andre intervallet ikke inneholder noen datapunkter.

Høyden på hver søyle tilsvarer som standard frekvensen av verdiene i dette intervallet (antall ganger de forekommer).

Antall søyler

En annen viktig, men valgfri parameter er bins, som enten tar antall søyler (heltall), en sekvens av tall som angir grensene for søylene, eller en streng. Som oftest er det tilstrekkelig å angi antall søyler.

Det finnes flere metoder for å bestemme bredden på histogram-søyler. I dette eksempelet bruker vi Sturges' formel, som beregner det optimale antallet søyler basert på utvalgsstørrelsen:

Her er n størrelsen på data-arrayet.

Studer mer

Du kan utforske flere metoder for beregning av intervaller her.


              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()

Antall rader i DataFrame er 26 (størrelsen på Series), så det resulterende antallet intervaller er 5.

Tilnærming av sannsynlighetstetthet

For å vise en tilnærming av sannsynlighetstettheten, sett parameteren density til True i funksjonen hist.

Nå beregnes høyden til hver søyle slik:

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

hvor:

$n$ – totalt antall verdier i datasettet;
$m$ – antall verdier i søylen;
$w$ – bredden på søylen.

Dette sikrer at det totale arealet under histogrammet er 1, noe som samsvarer med hovedegenskapen til en sannsynlighetstetthetsfunksjon (PDF).


              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()

Dette gir en tilnærming av sannsynlighetstetthetsfunksjonen for temperaturdataene.

Studer mer

Hvis du ønsker å utforske flere av parameterne til hist(), kan du se hist() dokumentasjonen.

Oppgave

Swipe to start coding

Lag en tilnærming av en sannsynlighetstetthetsfunksjon ved å bruke et utvalg fra standard normalfordeling:

Bruk riktig funksjon for å lage et histogram.
Bruk normal_sample som data for histogrammet.
Angi antall søyler som andre argument ved å bruke Sturges' formel.
Gjør histogrammet til en tilnærming av en sannsynlighetstetthetsfunksjon ved å angi riktig verdi for det siste argumentet.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 1

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Awesome!

Completion rate improved to 3.85

Sveip for å vise menyen

Definisjon

Histogrammer viser frekvens- eller sannsynlighetsfordelingen til en variabel ved å bruke vertikale søyler med lik bredde, ofte kalt stolper.


              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()

Intervaller og høyde

Høyden på hver søyle tilsvarer som standard frekvensen av verdiene i dette intervallet (antall ganger de forekommer).

Antall søyler

Det finnes flere metoder for å bestemme bredden på histogram-søyler. I dette eksempelet bruker vi Sturges' formel, som beregner det optimale antallet søyler basert på utvalgsstørrelsen:

Her er n størrelsen på data-arrayet.

Studer mer

Du kan utforske flere metoder for beregning av intervaller her.


              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()

Antall rader i DataFrame er 26 (størrelsen på Series), så det resulterende antallet intervaller er 5.

Tilnærming av sannsynlighetstetthet

For å vise en tilnærming av sannsynlighetstettheten, sett parameteren density til True i funksjonen hist.

Nå beregnes høyden til hver søyle slik:

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

hvor:

$n$ – totalt antall verdier i datasettet;
$m$ – antall verdier i søylen;
$w$ – bredden på søylen.

Dette sikrer at det totale arealet under histogrammet er 1, noe som samsvarer med hovedegenskapen til en sannsynlighetstetthetsfunksjon (PDF).


              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()

Dette gir en tilnærming av sannsynlighetstetthetsfunksjonen for temperaturdataene.

Studer mer

Hvis du ønsker å utforske flere av parameterne til hist(), kan du se hist() dokumentasjonen.

Oppgave

Swipe to start coding

Lag en tilnærming av en sannsynlighetstetthetsfunksjon ved å bruke et utvalg fra standard normalfordeling:

Bruk riktig funksjon for å lage et histogram.
Bruk normal_sample som data for histogrammet.
Angi antall søyler som andre argument ved å bruke Sturges' formel.
Gjør histogrammet til en tilnærming av en sannsynlighetstetthetsfunksjon ved å angi riktig verdi for det siste argumentet.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 4. Kapittel 1

single