Visualisering av Histogrammer
histplot (histogramplott) er et klassisk verktøy som representerer fordelingen av én eller flere variabler ved å telle antall observasjoner som faller innenfor diskrete intervaller (bins). Dette hjelper med å besvare spørsmål som: "Hva er den vanligste verdien?", "Er dataene symmetriske?" eller "Finnes det uteliggere?".
Tilpasning av histogrammet
Som standard tegner histplot stolper og teller antall forekomster. Du kan imidlertid tilpasse det for å avdekke flere innsikter.
1. Endre statistikk (stat)
I stedet for et enkelt antall, kan du beregne tetthet. Dette er nyttig når du sammenligner grupper av ulik størrelse, siden det normaliserer arealet under kurven til 1.
stat='density'
2. Visuell stil (element)
Når du plotter flere grupper ved hjelp av hue, kan vanlige stolper bli uoversiktlige. Ved å bruke et stegplott opprettes en omrisslinje, noe som gjør det lettere å se overlappinger.
element='step'
3. Bredde på intervaller (binwidth)
Størrelsen på intervallene avgjør hvor mye detalj du ser.
binwidth=1
Eksempel: slik kombinerer du disse parameterne for å lage et stegfylt tetthetsplott:
1234567891011121314151617import seaborn as sns import matplotlib.pyplot as plt # Loading dataset data = sns.load_dataset('penguins') # Creating a customized histplot sns.histplot( data=data, x='bill_length_mm', hue='species', # Color by species element='step', # Use step lines instead of bars stat='density', # Show density instead of count common_norm=False # Normalize each group separately ) plt.show()
Swipe to start coding
Lag en tydelig visualisering av pingvinenes nebb-lengder:
- Initialiser en
histplotved å brukedf-dataframen. - Sett
xtil'bill_length_mm'. - Grupper dataene etter
'island'ved å brukehue-parameteren. - Endre den visuelle stilen til
'step'ved å brukeelement-parameteren. - Endre Y-aksen til å representere
'density'ved å brukestat-parameteren. - Sett
binwidthtil1og bruk paletten'flare'. - Vis plottet.
Løsning
Takk for tilbakemeldingene dine!
single
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Fantastisk!
Completion rate forbedret til 4.55
Visualisering av Histogrammer
Sveip for å vise menyen
histplot (histogramplott) er et klassisk verktøy som representerer fordelingen av én eller flere variabler ved å telle antall observasjoner som faller innenfor diskrete intervaller (bins). Dette hjelper med å besvare spørsmål som: "Hva er den vanligste verdien?", "Er dataene symmetriske?" eller "Finnes det uteliggere?".
Tilpasning av histogrammet
Som standard tegner histplot stolper og teller antall forekomster. Du kan imidlertid tilpasse det for å avdekke flere innsikter.
1. Endre statistikk (stat)
I stedet for et enkelt antall, kan du beregne tetthet. Dette er nyttig når du sammenligner grupper av ulik størrelse, siden det normaliserer arealet under kurven til 1.
stat='density'
2. Visuell stil (element)
Når du plotter flere grupper ved hjelp av hue, kan vanlige stolper bli uoversiktlige. Ved å bruke et stegplott opprettes en omrisslinje, noe som gjør det lettere å se overlappinger.
element='step'
3. Bredde på intervaller (binwidth)
Størrelsen på intervallene avgjør hvor mye detalj du ser.
binwidth=1
Eksempel: slik kombinerer du disse parameterne for å lage et stegfylt tetthetsplott:
1234567891011121314151617import seaborn as sns import matplotlib.pyplot as plt # Loading dataset data = sns.load_dataset('penguins') # Creating a customized histplot sns.histplot( data=data, x='bill_length_mm', hue='species', # Color by species element='step', # Use step lines instead of bars stat='density', # Show density instead of count common_norm=False # Normalize each group separately ) plt.show()
Swipe to start coding
Lag en tydelig visualisering av pingvinenes nebb-lengder:
- Initialiser en
histplotved å brukedf-dataframen. - Sett
xtil'bill_length_mm'. - Grupper dataene etter
'island'ved å brukehue-parameteren. - Endre den visuelle stilen til
'step'ved å brukeelement-parameteren. - Endre Y-aksen til å representere
'density'ved å brukestat-parameteren. - Sett
binwidthtil1og bruk paletten'flare'. - Vis plottet.
Løsning
Takk for tilbakemeldingene dine!
single