Hướng dẫn how do you plot a histogram using numpy in python? - làm thế nào để bạn vẽ biểu đồ bằng cách sử dụng numpy trong python?

Tính biểu đồ của một bộ dữ liệu.

Dữ liệu đầu vào. Biểu đồ được tính toán trên mảng phẳng.

Nếu các thùng là INT, nó định nghĩa số lượng thùng có chiều rộng bằng nhau trong phạm vi đã cho (theo mặc định 10). Nếu các thùng là một chuỗi, nó định nghĩa một mảng các cạnh bin tăng đơn điệu, bao gồm cả cạnh ngoài cùng bên phải, cho phép các chiều rộng bin không đồng nhất.

Mới trong phiên bản 1.11.0.

Phương pháp lựa chọn thùng tự động Ví dụ, sử dụng 2 dữ liệu ngẫu nhiên cực đại với 2000 điểm:

Biểu đồ là cách tốt nhất để trực quan hóa phân phối tần số của bộ dữ liệu bằng cách chia nó thành các khoảng nhỏ có kích thước bằng nhau được gọi là thùng. ... cú pháp:.

Để vẽ biểu đồ bằng biểu đồ bằng cách sử dụng gấu trúc, chuỗi hàm .hist () cho dataFrame. Điều này sẽ trả về biểu đồ cho từng cột số trong khung dữ liệu gấu trúc.

Chúng ta có thể vẽ đồ thị bằng cách sử dụng Numpy không?

Để vẽ đồ thị trong Python, chúng tôi sẽ sử dụng thư viện matplotlib. Matplotlib được sử dụng cùng với dữ liệu numpy để vẽ bất kỳ loại đồ thị nào. Từ matplotlib, chúng tôi sử dụng hàm cụ thể, tức là pyplot (), được sử dụng để vẽ dữ liệu hai chiều.DeprecationWarnings are actually emitted.

Các bước để vẽ một biểu đồ trong Python bằng cách sử dụng matplotlib.

Nếu False, kết quả sẽ chứa số lượng mẫu trong mỗi thùng. Nếu True, kết quả là giá trị của hàm mật độ xác suất ở thùng, được chuẩn hóa sao cho tích phân trên phạm vi là 1. Lưu ý rằng tổng của các giá trị biểu đồ sẽ không bằng 1 trừ khi các thùng có chiều rộng thống nhất được chọn; Nó không phải là một hàm khối xác suất.

Ghi đè từ khóa

[3 4 5 2 1]
[0 20 40 60 80 100]

Các giá trị của biểu đồ. Xem mật độ và trọng lượng để biết mô tả về ngữ nghĩa có thể.

Trả lại các cạnh bin

[3 4 5 2 1]
[0 20 40 60 80 100]

Ghi chú

Tất cả trừ thùng cuối cùng (tay phải) là nửa mở. Nói cách khác, nếu thùng là:

Sau đó, thùng đầu tiên là

[3 4 5 2 1]
[0 20 40 60 80 100]

[3 4 5 2 1]
[0 20 40 60 80 100]

[3 4 5 2 1]
[0 20 40 60 80 100]

Ví dụ

>>> np.histogram([1, 2, 1], bins=[0, 1, 2, 3])
(array([0, 2, 1]), array([0, 1, 2, 3]))
>>> np.histogram(np.arange(4), bins=np.arange(5), density=True)
(array([0.25, 0.25, 0.25, 0.25]), array([0, 1, 2, 3, 4]))
>>> np.histogram([[1, 2, 1], [1, 0, 1]], bins=[0,1,2,3])
(array([1, 4, 1]), array([0, 1, 2, 3]))

>>> a = np.arange(5)
>>> hist, bin_edges = np.histogram(a, density=True)
>>> hist
array([0.5, 0. , 0.5, 0. , 0. , 0.5, 0. , 0.5, 0. , 0.5])
>>> hist.sum()
2.4999999999999996
>>> np.sum(hist * np.diff(bin_edges))
1.0

Mới trong phiên bản 1.11.0.

Phương pháp lựa chọn thùng tự động Ví dụ, sử dụng 2 dữ liệu ngẫu nhiên cực đại với 2000 điểm:

>>> import matplotlib.pyplot as plt
>>> rng = np.random.RandomState(10)  # deterministic random data
>>> a = np.hstack((rng.normal(size=1000),
...                rng.normal(loc=5, scale=2, size=1000)))
>>> _ = plt.hist(a, bins='auto')  # arguments are passed to np.histogram
>>> plt.title("Histogram with 'auto' bins")
Text(0.5, 1.0, "Histogram with 'auto' bins")
>>> plt.show()