理解直方图的解释
pythonserver side programmingprogramming更新于 2023/8/31 6:45:00
在本文中，我们将学习直方图，并详细了解直方图及其各种类型。我们还将使用 Python 绘制实现。
直方图
直方图为我们提供数据的可视化表示，它用于显示数值数据的条形图。我们可以可视化数据集中的不同分布和模式。直方图中的 X 轴用于表示值的范围，Y 轴用于表示数据点的频率或计数。
直方图的应用
1. 数据分布分析
我们使用直方图来分析数据分布，并深入了解数据的形状、大小、偏度和趋势。利用这些因素，我们可以获得清晰的数据特征，从而做出正确的决策。
2.图像处理
我们在图像处理中使用直方图来实现各种目的，例如对比度增强、阈值处理和图像均衡。直方图技术用于提高对比度并增强图像的视觉效果。我们可以使用像素强度来分析阈值。
3. 质量控制过程监控
直方图在质量控制和过程监控中起着至关重要的作用。在制造公司中，我们使用直方图来监控工艺参数并确保产品质量。我们使用直方图来控制温度、压力和偏差，这有助于快速调整这些因素以保持质量标准。
4. 统计分析
直方图用于探索数据分布。我们使用直方图来验证我们为统计测试所做的假设，评估正态性，并识别可能影响所选数据统计模型的数据模式。还可以检查它是否遵循任何特定的统计分布，这有助于分析分布。
直方图的解释
常规直方图
这种类型的直方图为我们提供了数据的直观可视化。这用于显示每个间隔内数据的频率。
示例
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(1000)
plt.hist(data, bins=30, edgecolor='red')
plt.title('常规直方图')
plt.xlabel('数据')
plt.ylabel('频率')
plt.show()
输出
归一化直方图
这种类型的直方图也是又称为概率直方图，用来表示各区间内数据的频率及相关频率。
示例
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(500)
plt.hist(data, bins=20, density=True, edgecolor='black')
plt.title('常规直方图')
plt.xlabel('数据')
plt.ylabel('频率')
plt.show()
输出
堆积直方图
堆积直方图用于比较数据集中多个组和类别的分布。此直方图对于可视化数据集非常有用。
示例
import matplotlib.pyplot as plt
import numpy as np
ds1 = np.random.randn(500)
ds2 = np.random.randn(500)
plt.hist([ds1, ds2], bins=30, stacked=True, edgecolor='black')
plt.title('Stacked Histogram')
plt.xlabel('Data')
plt.ylabel('Frequency')
plt.legend(['Group 1', 'Group 2'])
plt.show()
输出
2D 直方图
我们使用 2D 直方图来表示两个变量的联合分布。我们首先将数据分成矩形区域，并根据频率为每个区域着色。2D 直方图也称为热图。
示例
import numpy as np
import matplotlib.pyplot as plt
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.hist2d(x, y, bins=30, cmap='Blues')
plt.title('2D 直方图')
plt.xlabel('X')
plt.ylabel('Y')
plt.colorbar(label='频率')
plt.show()
输出
累计直方图
此直方图用于可视化数据的累积频率或累积概率分布。它为我们提供了不同阈值下数据分布的详细信息。此直方图显示了我们在 x 轴上从左向右移动时数据如何累积。
示例
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(500)
plt.hist(data, bins=30,cumulative=True,density=True,edgecolor='black')
plt.title('累积直方图')
plt.xlabel('数据')
plt.ylabel('累积概率')
plt.show()
输出
聚类直方图
聚类直方图用于显示不同组和类别的单独直方图。我们可以使用此直方图直接将不同的直方图组合在一起。
示例
import matplotlib.pyplot as plt
import numpy as np
ds1 = np.random.randn(500)
ds2 = np.random.randn(500)
plt.hist(ds1, bins=30, alpha=0.7, label='Group 1', edgecolor='black')
plt.title('Clustered Histogram')
plt.hist(ds2, bins=30, alpha=0.7, label='Group 2', edgecolor='black')
plt.xlabel('Data')
plt.ylabel('Freq')
plt.legend()
plt.show()
输出
结论
总之，我们可以说直方图为我们提供了各种可视化图形和探索数据集中模式的方法。我们可以使用多种类型的直方图来分析数据，如常规直方图、归一化直方图、堆积直方图、聚类直方图、累积直方图。在 Python 语言中，我们有 Matplotlib 库，我们可以使用它来创建直方图并获取数据分布的详细信息。
相关文章
Python-Itertools.zip_longest()
Python 日历模块:monthdays2calendar() 方法
Python 日历模块:yeardayscalendar() 方法
按键对 Python 字典进行排序的不同方法
在 Python 中访问实例变量的不同方法
Python 中赋值语句的不同形式
Python3 中的不同输入和输出技术
不同的 Python IDE 和代码编辑器
在 Python 中创建线程的不同方法
用于检查日期范围内日期的 Python 程序
打印
下一节 ❯❮ 上一节