Els histogrames són una eina fonamental en la visualització de dades, proporcionant una representació gràfica de la distribució de dades. Són especialment útils per explorar dades contínues, com ara mesures numèriques o lectures de sensors. Aquest article us guiarà pel procés de traçar l'histograma Python utilitzant Matplotlib , que cobreix els passos essencials des de la preparació de les dades fins a la generació del diagrama de l'histograma.
Què és Matplotlib Histograms?
A Histograma representa dades proporcionades en forma d'alguns grups. És un mètode precís per a la representació gràfica de la distribució de dades numèriques. És un tipus de gràfic de barres on l'eix X representa els intervals de la safata mentre que l'eix Y dóna informació sobre la freqüència.
Creació d'un histograma Matplotlib
Per crear un histograma Matplotlib, el primer pas és crear un contenidor dels intervals, després distribuir tot el rang dels valors en una sèrie d'intervals i comptar els valors que cauen en cadascun dels intervals. Les papereres s'identifiquen com a intervals de variables consecutius i no superposats matplotlib.pyplot.hist() La funció s'utilitza per calcular i crear un histograma de x.
La taula següent mostra els paràmetres acceptats per la funció matplotlib.pyplot.hist() :
| Atribut | Paràmetre |
|---|---|
| x | matriu o seqüència de matriu |
| papereres | El paràmetre opcional conté un nombre enter o una seqüència o cadenes |
| densitat | El paràmetre opcional conté valors booleans |
| rang | El paràmetre opcional representa el rang superior i inferior de contenidors |
| tipus d'hist | paràmetre opcional utilitzat per crear el tipus d'histograma [bar, barstacked, step, stepfilled], per defecte és bar |
| alinear | el paràmetre opcional controla el traçat de l'histograma [esquerra, dreta, mig] |
| pesos | El paràmetre opcional conté una matriu de pesos amb les mateixes dimensions que x |
| inferior | ubicació de la línia base de cada contenidor |
| amplada r | paràmetre opcional que és l'amplada relativa de les barres respecte a l'amplada de la safata |
| color | paràmetre opcional utilitzat per establir el color o la seqüència d'especificacions de color |
| etiqueta | cadena de paràmetres opcional o seqüència de cadena per coincidir amb diversos conjunts de dades |
| registre | paràmetre opcional que s'utilitza per establir l'eix de l'histograma a l'escala de registre |
Traçar l'histograma en Python mitjançant Matplotlib
Aquí veurem diferents mètodes de traçar l'histograma a Matplotlib Python :
- Histograma bàsic
- Histograma personalitzat amb gràfic de densitat
- Histograma personalitzat amb filigrana
- Múltiples histogrames amb subtrames
- Histograma apilat
- Histograma 2D (gràfic Hexbin)
Creeu un histograma bàsic a Matplotlib
Creem un histograma bàsic a Matplotlib utilitzant Python d'alguns valors aleatoris.
comanda push git
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Plotting a basic histogram> plt.hist(data, bins>=>30>, color>=>'skyblue'>, edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Basic Histogram'>)> # Display the plot> plt.show()> |
>
>
Sortida:
Histograma personalitzat a Matplotlib amb gràfic de densitat
Creem un histograma personalitzat amb una gràfica de densitat mitjançant Matplotlib i Seaborn a Python. El gràfic resultant visualitza la distribució de dades aleatòries amb una estimació de densitat suau.
Python 3
import> matplotlib.pyplot as plt> import> seaborn as sns> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Creating a customized histogram with a density plot> sns.histplot(data, bins>=>30>, kde>=>True>, color>=>'lightgreen'>, edgecolor>=>'red'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Density'>)> plt.title(>'Customized Histogram with Density Plot'>)> # Display the plot> plt.show()> |
>
>
Sortida:
conceptes bàsics de java
Histograma personalitzat amb filigrana
Creeu un histograma personalitzat amb Matplotlib a Python amb funcions específiques. Inclou elements d'estil addicionals, com ara eliminar les marques d'eix, afegir farciment i establir un degradat de color per a una millor visualització.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib>import> colors> from> matplotlib.ticker>import> PercentFormatter> # Creating dataset> np.random.seed(>23685752>)> N_points>=> 10000> n_bins>=> 20> # Creating distribution> x>=> np.random.randn(N_points)> y>=> .>8> *>*> x>+> np.random.randn(>10000>)>+> 25> legend>=> [>'distribution'>]> # Creating histogram> fig, axs>=> plt.subplots(>1>,>1>,> >figsize>=>(>10>,>7>),> >tight_layout>=> True>)> # Remove axes splines> for> s>in> [>'top'>,>'bottom'>,>'left'>,>'right'>]:> >axs.spines[s].set_visible(>False>)> # Remove x, y ticks> axs.xaxis.set_ticks_position(>'none'>)> axs.yaxis.set_ticks_position(>'none'>)> > # Add padding between axes and labels> axs.xaxis.set_tick_params(pad>=> 5>)> axs.yaxis.set_tick_params(pad>=> 10>)> # Add x, y gridlines> axs.grid(b>=> True>, color>=>'grey'>,> >linestyle>=>'-.'>, linewidth>=> 0.5>,> >alpha>=> 0.6>)> # Add Text watermark> fig.text(>0.9>,>0.15>,>'Jeeteshgavande30'>,> >fontsize>=> 12>,> >color>=>'red'>,> >ha>=>'right'>,> >va>=>'bottom'>,> >alpha>=> 0.7>)> # Creating histogram> N, bins, patches>=> axs.hist(x, bins>=> n_bins)> # Setting color> fracs>=> ((N>*>*>(>1> /> 5>))>/> N.>max>())> norm>=> colors.Normalize(fracs.>min>(), fracs.>max>())> for> thisfrac, thispatch>in> zip>(fracs, patches):> >color>=> plt.cm.viridis(norm(thisfrac))> >thispatch.set_facecolor(color)> # Adding extra features> plt.xlabel(>'X-axis'>)> plt.ylabel(>'y-axis'>)> plt.legend(legend)> plt.title(>'Customized histogram'>)> # Show plot> plt.show()> |
>
>
configuració del navegador d'Internet
Sortida:
Histogrames múltiples amb subtrames
Generem dos histogrames al costat de l'altre utilitzant Matplotlib a Python, cadascun amb el seu propi conjunt de dades aleatòries i proporciona una comparació visual de les distribucions dedata1>idata2>utilitzant histogrames.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for multiple histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating subplots with multiple histograms> fig, axes>=> plt.subplots(nrows>=>1>, ncols>=>2>, figsize>=>(>12>,>4>))> axes[>0>].hist(data1, bins>=>30>, color>=>'Yellow'>, edgecolor>=>'black'>)> axes[>0>].set_title(>'Histogram 1'>)> axes[>1>].hist(data2, bins>=>30>, color>=>'Pink'>, edgecolor>=>'black'>)> axes[>1>].set_title(>'Histogram 2'>)> # Adding labels and title> for> ax>in> axes:> >ax.set_xlabel(>'Values'>)> >ax.set_ylabel(>'Frequency'>)> # Adjusting layout for better spacing> plt.tight_layout()> # Display the figure> plt.show()> |
>
>
Sortida:
Histograma apilat mitjançant Matplotlib
Generem un histograma apilat mitjançant Matplotlib a Python, que representa dos conjunts de dades amb diferents distribucions de dades aleatòries. L'histograma apilat proporciona informació sobre la distribució combinada de freqüències dels dos conjunts de dades.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for stacked histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating a stacked histogram> plt.hist([data1, data2], bins>=>30>, stacked>=>True>, color>=>[>'cyan'>,>'Purple'>], edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Stacked Histogram'>)> # Adding legend> plt.legend([>'Dataset 1'>,>'Dataset 2'>])> # Display the plot> plt.show()> |
>
>
Sortida:
Traceu l'histograma 2D (Hexbin Plot) mitjançant Matplotlib
Generem un diagrama hexbin 2D mitjançant Matplotlib a Python, proporciona una representació visual de la distribució de dades en 2D, on els hexàgons transmeten la densitat de punts de dades. La barra de colors ajuda a interpretar la densitat de punts en diferents regions de la trama.
Python 3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random 2D data for hexbin plot> x>=> np.random.randn(>1000>)> y>=> 2> *> x>+> np.random.normal(size>=>1000>)> # Creating a 2D histogram (hexbin plot)> plt.hexbin(x, y, gridsize>=>30>, cmap>=>'Blues'>)> # Adding labels and title> plt.xlabel(>'X values'>)> plt.ylabel(>'Y values'>)> plt.title(>'2D Histogram (Hexbin Plot)'>)> # Adding colorbar> plt.colorbar()> # Display the plot> plt.show()> |
c++ gui
>
>
Sortida:
Conclusió
Traçar histogrames Matplotlib és un procés senzill i senzill. Mitjançant l'ús dehist()>funció, podem crear fàcilment histogrames amb diferents amples de safata i vores de safata. També podem personalitzar l'aspecte dels histogrames per satisfer les nostres necessitats