Lära Histogram | Fler Statistiska Diagram

Definition

Histogrammer representerar frekvens- eller sannolikhetsfördelningen av en variabel genom att använda vertikala staplar av lika bredd, ofta kallade staplar.

Modulen pyplot tillhandahåller funktionen hist för att skapa histogram. Den obligatoriska parametern är data (x), som kan vara en array eller en sekvens av arrayer. Om flera arrayer anges visas varje i en annan färg.


              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()

Intervall och Höjd

Ett Series-objekt som innehåller genomsnittliga årliga temperaturer i Seattle skickades till funktionen hist(). Som standard delas data upp i 10 lika stora intervall från minsta till största värde. Dock är endast 9 staplar synliga eftersom det andra intervallet inte innehåller några datapunkter.

Höjden på varje stapel motsvarar som standard frekvensen av värdena i detta intervall (antalet gånger de förekommer).

Antal Staplar

En annan viktig, men valfri parameter är bins som kan vara antingen antalet staplar (heltal), en sekvens av tal som anger gränserna för staplarna, eller en sträng. Oftast räcker det att ange antalet staplar.

Det finns flera metoder för att bestämma bredden på histogrammets staplar. I detta exempel används Sturges formel, som beräknar det optimala antalet staplar baserat på urvalsstorleken:

Här är n storleken på dataarrayen.

Studera vidare

Du kan utforska ytterligare metoder för beräkning av antal fack här.


              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()

Antalet rader i DataFrame är 26 (storleken på Series), så det resulterande antalet fack är 5.

Sannolikhetstäthetsapproximation

För att visa en approximation av sannolikhetstätheten, ange parametern density till True i funktionen hist.

Nu beräknas varje bins höjd med:

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

Där:

$n$ – det totala antalet värden i datamängden;
$m$ – antalet värden i bin;
$w$ – bredden på bin.

Detta säkerställer att den totala arean under histogrammet är 1, vilket motsvarar den centrala egenskapen hos en sannolikhetstäthetsfunktion (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()

Detta ger en approximation av sannolikhetstäthetsfunktionen för temperaturdatan.

Studera vidare

Om du vill utforska fler parametrar för hist(), kan du läsa mer i hist() dokumentationen.

Uppgift

Swipe to start coding

Skapa en approximation av en sannolikhetstäthetsfunktion med hjälp av ett stickprov från standardnormalfördelningen:

Använd rätt funktion för att skapa ett histogram.
Använd normal_sample som data för histogrammet.
Ange antalet intervall (bins) som det andra argumentet enligt Sturges' formel.
Gör histogrammet till en approximation av en sannolikhetstäthetsfunktion genom att korrekt ange det sista argumentet.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 1

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 3.85

Svep för att visa menyn

Definition

Histogrammer representerar frekvens- eller sannolikhetsfördelningen av en variabel genom att använda vertikala staplar av lika bredd, ofta kallade staplar.


              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()

Intervall och Höjd

Höjden på varje stapel motsvarar som standard frekvensen av värdena i detta intervall (antalet gånger de förekommer).

Antal Staplar

Det finns flera metoder för att bestämma bredden på histogrammets staplar. I detta exempel används Sturges formel, som beräknar det optimala antalet staplar baserat på urvalsstorleken:

Här är n storleken på dataarrayen.

Studera vidare

Du kan utforska ytterligare metoder för beräkning av antal fack här.


              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()

Antalet rader i DataFrame är 26 (storleken på Series), så det resulterande antalet fack är 5.

Sannolikhetstäthetsapproximation

För att visa en approximation av sannolikhetstätheten, ange parametern density till True i funktionen hist.

Nu beräknas varje bins höjd med:

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

Där:

$n$ – det totala antalet värden i datamängden;
$m$ – antalet värden i bin;
$w$ – bredden på bin.

Detta säkerställer att den totala arean under histogrammet är 1, vilket motsvarar den centrala egenskapen hos en sannolikhetstäthetsfunktion (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()

Detta ger en approximation av sannolikhetstäthetsfunktionen för temperaturdatan.

Studera vidare

Om du vill utforska fler parametrar för hist(), kan du läsa mer i hist() dokumentationen.

Uppgift

Swipe to start coding

Skapa en approximation av en sannolikhetstäthetsfunktion med hjälp av ett stickprov från standardnormalfördelningen:

Använd rätt funktion för att skapa ett histogram.
Använd normal_sample som data för histogrammet.
Ange antalet intervall (bins) som det andra argumentet enligt Sturges' formel.
Gör histogrammet till en approximation av en sannolikhetstäthetsfunktion genom att korrekt ange det sista argumentet.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 4. Kapitel 1

single