python绘制直方图根据不同分类_小猿圈Python开发之绘制频率分布直方图示例
现在人工智能越来越实用,甚至深入到千家万户,随之而来的就是python技术的火爆,今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例,希望对于刚刚自学python的你有一定的帮助。
项目中在前期经常要看下数据的分布情况,这对于探究数据规律非常有用。概率分布表示样本数据的模样,长的好不好看如果有图像展示出来就非常完美了,使用Python绘制频率分布直方图非常简洁,因为用的频次非常高,这里记录下来。还是Python大法好,代码简洁不拖沓~
如果数据取值的范围跨度不大,可以使用等宽区间来展示直方图,这也是最常见的一种;如果数据取值范围比较野,也可以自定义区间端点,绘制图像,下面分两种情况展示
1.区间长度相同绘制直方图
#-*- encoding=utf-8 -*-
import datetime
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
zhfont1 = matplotlib.font_manager.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
# 按照固定区间长度绘制频率分布直方图
# bins_interval 区间的长度
# margin 设定的左边和右边空留的大小
def probability_distribution(data, bins_interval=1, margin=1):
bins = range(min(data), max(data) + bins_interval - 1, bins_interval)
print(len(bins))
for i in range(0, len(bins)):
print(bins[i])
plt.xlim(min(data) - margin, max(data) + margin)
plt.title("probability-distribution")
plt.xlabel('Interval')
plt.ylabel('Probability')
plt.hist(x=data, bins=bins, histtype='bar', color=['r'])
plt.show()
2.区间长度不同绘制直方图
#-*- encoding=utf-8 -*-
import datetime
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
zhfont1 = matplotlib.font_manager.FontProperties(fname='C:\Windows\Fonts\simsun.ttc'
# 自己给定区间,小于区间左端点和大于区间右端点的统一做处理,对于数据分布不均很的情况处理较友好
# bins 自己设定的区间数值列表
# margin 设定的左边和右边空留的大小
# label 右上方显示的图例文字
"""e
import numpy as np
data = np.random.normal(0, 1, 1000)
bins = np.arange(-5, 5, 0.1)
probability_distribution_extend(data=data, bins=bins)
"""
def probability_distribution_extend(data, bins, margin=1, label='Distribution'):
bins = sorted(bins)
length = len(bins)
intervals = np.zeros(length+1)
for value in data:
i = 0
while i < length and value >= bins[i]:
i += 1
intervals[i] += 1
intervals = intervals / float(len(data))
plt.xlim(min(bins) - margin, max(bins) + margin)
bins.insert(0, -999)
plt.title("probability-distribution")
plt.xlabel('Interval')
plt.ylabel('Probability')
plt.bar(bins, intervals, color=['r'], label=label)
plt.legend()
plt.show()
Case示例
if __name__ == '__main__':
data = [1,4,6,7,8,9,11,11,12,12,13,13,16,17,18,22,25]
probability_distribution(data=data, bins_interval=5,margin=0)
以上就是小猿圈python讲师给大家分享的绘制频率分布直方图示例,希望对小伙伴们有所帮助,想要了解更多内容的小伙伴可以到小猿圈直接观看,想要学好Python开发技术的小伙伴快快行动吧。
python绘制直方图根据不同分类_小猿圈Python开发之绘制频率分布直方图示例相关推荐
- 频率分布直方图组距如何确定_小猿圈Python开发之绘制频率分布直方图示例
现在人工智能越来越实用,甚至深入到千家万户,随之而来的就是python技术的火爆,今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例,希望对于刚刚自学python的你有一定的帮助. 项目中在 ...
- matlab 频率分布直方图_小猿圈Python开发之绘制频率分布直方图示例
现在人工智能越来越实用,甚至深入到千家万户,随之而来的就是python技术的火爆,今天小猿圈python讲师为你讲解一下绘制频率分布直方图示例,希望对于刚刚自学python的你有一定的帮助. 项目中在 ...
- php获取html中文本框内容_小猿圈Python入门之批量获取html内body内容的方法
对于人工智能你了解有多少?你知道Python的使用吗?这个对于大部分初学者来说都是很难的,小猿圈Python讲师会每天为大家选择分享一个知识点,希望对你学习Python有所帮助,今天分享的就是批量获取 ...
- 小猿圈python金角大王_小猿圈python学习-基本数据类型
小猿圈python学习-基本数据类型 2019-04-24 11:16:14 1点赞 6收藏 0评论 什么是数据类型? 我们人类可以很容易的分清数字与字符的区别,但是计算机并不能呀,计算机虽然很强大, ...
- 小猿圈python之python期末考试测试题(二)_小猿圈Python开发面试题(二)
原标题:小猿圈Python开发面试题(二) 小猿圈Python老师继上一次python面试题一,接着更新python面试题二,同学们测试一做的怎么样呢?有没有把握呢,想要看答案的同学们,可以在小猿圈上 ...
- python小猿_小猿圈python简介和发展前景?
只要朝着一个方向努力,一切都会变得得心应手.-----勃朗宁 小猿圈python简介: Python是一个高层次的结合了解释性.编译性.互动性和面向对象的脚本语言. Python 的设计具有很强的可读 ...
- 如何使用python编程抢京东优惠券 知乎_小猿圈Python之实现京东秒杀功能代码
现在电商产业的多种多样,从最早的阿里巴巴.淘宝到现在的京东等等数不胜数,你还记得的京东的秒杀功能吗?小猿圈python讲师今天就为你实现京东秒杀功能代码. #Python3.5 #coding:utf ...
- 下列不是python对文件的读操作方法是-小猿圈python之python期末考试测试题(一)...
原标题:小猿圈python之python期末考试测试题(一) 又快临近期末考试了,小伙伴们是不是又开始焦虑了呢?挂科怎么办?如果很幸运看到小编的文章,你就偷着乐吧,小编总结出:一般python期末考试 ...
- java request 处理过程_小猿圈Java开发之从代码看spring mvc请求处理过程
原标题:小猿圈Java开发之从代码看spring mvc请求处理过程 Java作为编程界的常青树,有自己生存的独到之处,小猿圈java讲师今天就分享一个关于从代码看spring mvc请求处理过程,通 ...
最新文章
- MFC消息响应函数OnPaint
- js null ,null没有typeof返回值为undefine 即 null没有返回类型的
- mysql内部安装workb_centOS系统中下安装mysql workbench图文详细步骤
- 如何自学Android--转
- mysql如何在一个表中插入数据的同时,更新另一个表的数据?
- HDU 4279 - Number
- 数学江湖中的“独孤九剑”
- Linux 修改密码root(账号)
- 基于JAVA+SpringMVC+Mybatis+MYSQL的图书馆座位预约系统
- C# - 企业框架下的存储过程输出参数
- nopcommerce 开源商城
- Django signal
- DIY audio player - 自定义audio播放器样式
- 10投屏后没有声音_10年后,学区房有没有可能成为“负资产”?这位专家说了实话...
- 组态TwinCat软件安装时,There are some files marked for deletion on next reboot.Please reboot first and then
- 分享|5G智慧校园顶层设计(附PDF)
- BootStrap之导航条navigationBar
- E-mark认证是什么?
- 沈善增谈学太极的经历
- 排列熵、模糊熵、近似熵、样本熵的原理及MATLAB实现之样本熵