نحوه ترسیم هیستوگرام در پایتون با استفاده از Matplotlib

شما می توانید از الگوی زیر برای ترسیم یک هیستوگرام در پایتون با استفاده از matplotlib استفاده کنید:

matplotlib. pyplot را به عنوان plt x = [مقدار 1 ، مقدار 2 ، مقدار 3 وارد کنید.] plt. hist (x ، سطل ها = تعداد سطل) plt. show ()

در مرحله بعد ، مراحل کامل برای ترسیم یک هیستوگرام در پایتون را با استفاده از یک مثال ساده مشاهده خواهید کرد.

مراحل ترسیم هیستوگرام در پایتون با استفاده از Matplotlib

مرحله 1: بسته MATPLOTLIB را نصب کنید

اگر قبلاً این کار را نکرده اید ، بسته MATPLOTLIB را با استفاده از دستور زیر (تحت ویندوز) نصب کنید:

PIP نصب matplotlib

ممکن است برای نصب یک بسته در پایتون به راهنمای زیر مراجعه کنید.

مرحله 2: داده ها را برای هیستوگرام جمع کنید

به عنوان مثال ، بیایید بگوییم که شما داده های زیر را در مورد 100 نفر سن دارید:

بعداً خواهید دید که چگونه می توانید هیستوگرام را بر اساس داده های فوق ترسیم کنید.

مرحله 3: تعداد سطل ها را تعیین کنید

در مرحله بعد ، تعداد سطل های مورد استفاده برای هیستوگرام را تعیین کنید.

برای سادگی ، تعداد سطل را روی 10 تنظیم کنید. در پایان این راهنما ، راه دیگری برای استخراج سطل ها مشاهده خواهید کرد.

مرحله 4: هیستوگرام را در پایتون با استفاده از matplotlib ترسیم کنید

سرانجام ، هیستوگرام را بر اساس الگوی زیر ترسیم کنید:

matplotlib. pyplot را به عنوان plt x = [مقدار 1 ، مقدار 2 ، مقدار 3 وارد کنید.] plt. hist (x ، سطل ها = تعداد سطل) plt. show ()

برای مثال ما:

وارد کردن matplotlib. pyplot به عنوان plt x = [1 ، 1 ، 2 ، 3 ، 3 ، 5 ، 7 ، 8 ، 9 ، 10 ، 10 ، 11 ، 11 ، 13 ، 13 ، 15 ، 16 ، 17 ، 18 ، 18 ، 18، 19 ، 20 ، 21 ، 21 ، 23 ، 24 ، 24 ، 25 ، 25 ، 25 ، 25 ، 26 ، 26 ، 26 ، 27 ، 27 ، 27 ، 27 ، 27 ، 29 ، 30 ، 30 ، 31 ، 33 ، 34، 34 ، 34 ، 35 ، 36 ، 36 ، 37 ، 37 ، 38 ، 38 ، 39 ، 40 ، 41 ، 41 ، 42 ، 43 ، 44 ، 45 ، 45 ، 46 ، 47 ، 48 ، 48 ، 49 ، 50 ، 51، 52 ، 53 ، 54 ، 55 ، 55 ، 56 ، 57 ، 58 ، 60 ، 61 ، 63 ، 64 ، 65 ، 66 ، 68 ، 70 ، 71 ، 72 ، 74 ، 75 ، 77 ، 81 ، 83 ، 84 ، 87، 89 ، 90 ، 90 ، 91] plt. hist (x ، سطل ها = 10) plt. show ()

کد را اجرا کنید ، و هیستوگرام را دریافت خواهید کرد.

در صورت لزوم ، می توانید هیستوگرام خود را بیشتر سبک کنید. یکی از راه های سبک کردن هیستوگرام شما اضافه کردن این نحو به انتهای کد است:

plt. style. use ('ggplot')

برای مثال ما:

وارد کردن matplotlib. pyplot به عنوان plt x = [1 ، 1 ، 2 ، 3 ، 3 ، 5 ، 7 ، 8 ، 9 ، 10 ، 10 ، 11 ، 11 ، 13 ، 13 ، 15 ، 16 ، 17 ، 18 ، 18 ، 18، 19 ، 20 ، 21 ، 21 ، 23 ، 24 ، 24 ، 25 ، 25 ، 25 ، 25 ، 26 ، 26 ، 26 ، 27 ، 27 ، 27 ، 27 ، 27 ، 29 ، 30 ، 30 ، 31 ، 33 ، 34، 34 ، 34 ، 35 ، 36 ، 36 ، 37 ، 37 ، 38 ، 38 ، 39 ، 40 ، 41 ، 41 ، 42 ، 43 ، 44 ، 45 ، 45 ، 46 ، 47 ، 48 ، 48 ، 49 ، 50 ، 51، 52 ، 53 ، 54 ، 55 ، 55 ، 56 ، 57 ، 58 ، 60 ، 61 ، 63 ، 64 ، 65 ، 66 ، 68 ، 70 ، 71 ، 72 ، 74 ، 75 ، 77 ، 81 ، 83 ، 84 ، 87، 89 ، 90 ، 90 ، 91] plt. style. use ('ggplot') plt. hist (x ، bins = 10) plt. show ()

کد را اجرا کنید ، و هیستوگرام سبک را دریافت خواهید کرد.

به صورت اختیاری ، می توانید با استفاده از کتابخانه SCIPY به شرح زیر ، پوستی را در پایتون استخراج کنید:

از scipy. stats واردات skew x = [1 ، 2 ، 3 ، 3 ، 5 ، 7 ، 8 ، 9 ، 10 ، 10 ، 11 ، 11 ، 13 ، 13 ، 15 ، 16 ، 17 ، 18 ، 18 ، 18، 19 ، 20 ، 21 ، 21 ، 23 ، 24 ، 24 ، 25 ، 25 ، 25 ، 25 ، 26 ، 26 ، 26 ، 27 ، 27 ، 27 ، 27 ، 27 ، 29 ، 30 ، 30 ، 31 ، 33 ، 34، 34 ، 34 ، 35 ، 36 ، 36 ، 37 ، 37 ، 38 ، 38 ، 39 ، 40 ، 41 ، 41 ، 42 ، 43 ، 44 ، 45 ، 45 ، 46 ، 47 ، 48 ، 48 ، 49 ، 50 ، 51، 52 ، 53 ، 54 ، 55 ، 55 ، 56 ، 57 ، 58 ، 60 ، 61 ، 63 ، 64 ، 65 ، 66 ، 68 ، 70 ، 71 ، 72 ، 74 ، 75 ، 77 ، 81 ، 83 ، 84 ، 87، 89 ، 90 ، 90 ، 91] چاپ (skew (x))

پس از اجرای کد در پایتون ، موارد زیر را دریافت خواهید کرد:

0. 4575278444409153 

روش اضافی برای تعیین تعداد سطل ها

در ابتدا ، شما تعداد سطل های 10 را برای سادگی تنظیم می کنید.

از طرف دیگر ، ممکن است با استفاده از فرمول های زیر سطل ها را استخراج کنید:

• n = تعداد مشاهدات
• دامنه = حداکثر مقدار - حداقل مقدار
• تعداد فواصل = √n
• عرض فواصل = دامنه / (تعداد فواصل)

سپس از این فرمول ها می توان برای ایجاد جدول فرکانس و به دنبال آن هیستوگرام استفاده کرد.

به یاد بیاورید که مجموعه داده ما شامل 100 مشاهده زیر است:

با استفاده از فرمول های ما:

• n = تعداد مشاهدات = 100
• دامنه = حداکثر مقدار - حداقل مقدار = 91 - 1 = 90
• تعداد فواصل = √n = √100 = 10
• عرض فواصل = دامنه / (تعداد فواصل) = 90/10 = 9

بر اساس این اطلاعات ، جدول فرکانس مانند این به نظر می رسد:

توجه داشته باشید که نقطه شروع برای اولین بار 0 است که بسیار نزدیک به حداقل مشاهده 1 در مجموعه داده های ما است. به عنوان مثال ، اگر حداقل مشاهده در مجموعه داده دیگر 20 باشد ، نقطه شروع برای اولین بار باید 20 باشد ، نه 0.

برای سطل های موجود در کد پایتون در زیر ، باید مقادیر برجسته شده به رنگ آبی را به جای یک عدد خاص (مانند 10 ، که قبلاً از آنها استفاده کردیم) مشخص کنید. فراموش نکنید که آخرین مقدار 99 را درج کنید.

به این ترتیب کد پایتون به نظر می رسد:

وارد کردن matplotlib. pyplot به عنوان plt x = [1 ، 1 ، 2 ، 3 ، 3 ، 5 ، 7 ، 8 ، 9 ، 10 ، 10 ، 11 ، 11 ، 13 ، 13 ، 15 ، 16 ، 17 ، 18 ، 18 ، 18، 19 ، 20 ، 21 ، 21 ، 23 ، 24 ، 24 ، 25 ، 25 ، 25 ، 25 ، 26 ، 26 ، 26 ، 27 ، 27 ، 27 ، 27 ، 27 ، 29 ، 30 ، 30 ، 31 ، 33 ، 34، 34 ، 34 ، 35 ، 36 ، 36 ، 37 ، 37 ، 38 ، 38 ، 39 ، 40 ، 41 ، 41 ، 42 ، 43 ، 44 ، 45 ، 45 ، 46 ، 47 ، 48 ، 48 ، 49 ، 50 ، 51، 52 ، 53 ، 54 ، 55 ، 55 ، 56 ، 57 ، 58 ، 60 ، 61 ، 63 ، 64 ، 65 ، 66 ، 68 ، 70 ، 71 ، 72 ، 74 ، 75 ، 77 ، 81 ، 83 ، 84 ، 87، 89 ، 90 ، 90 ، 91] plt. hist (x ، سطل = [0 ، 10 ، 20 ، 30 ، 40 ، 50 ، 60 ، 70 ، 80 ، 90 ، 99]) plt. show ()

کد را اجرا کنید ، و هیستوگرام را دریافت خواهید کرد.

متوجه خواهید شد که هیستوگرام شبیه به نمونه ای است که قبلاً با یک چاشنی مثبت دیدید.