Un histograma se utiliza básicamente para representar los datos proporcionados en forma de algunos grupos. Es un método preciso para la representación gráfica de la distribución de datos numéricos. sobre la frecuencia.
Creación de un histograma
Para crear un histograma, el primer paso es crear un intervalo de rangos, luego distribuir todo el rango de valores en una serie de intervalos y contar los valores que caen en cada uno de los intervalos. Los intervalos se identifican claramente como consecutivos, no consecutivos. intervalos superpuestos de variables. La función matplotlib.pyplot.hist() se usa para calcular y crear un histograma de x.
La siguiente tabla muestra los parámetros aceptados por la función matplotlib.pyplot.hist() :
Atributo | parámetro |
---|---|
X | array o secuencia de array |
contenedores | el parámetro opcional contiene enteros, secuencias o strings |
densidad | el parámetro opcional contiene valores booleanos |
rango | el parámetro opcional representa el rango superior e inferior de contenedores |
tipo de hist | parámetro opcional utilizado para crear el tipo de histograma [barra, barras apiladas, paso, paso lleno], el valor predeterminado es «barra» |
alinear | El parámetro opcional controla el trazado del histograma [izquierda, derecha, mitad] |
pesos | el parámetro opcional contiene una array de pesos que tienen las mismas dimensiones que x |
abajo | ubicación de la línea de base de cada contenedor |
ancho | parámetro opcional que es el ancho relativo de las barras con respecto al ancho del contenedor |
color | parámetro opcional utilizado para establecer el color o la secuencia de especificaciones de color |
etiqueta | string de parámetro opcional o secuencia de string para que coincida con múltiples conjuntos de datos |
Iniciar sesión | parámetro opcional utilizado para establecer el eje del histograma en escala logarítmica |
Vamos a crear un histograma básico de algunos valores aleatorios. El siguiente código crea un histograma simple de algunos valores aleatorios:
Python3
from matplotlib import pyplot as plt import numpy as np # Creating dataset a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27]) # Creating histogram fig, ax = plt.subplots(figsize =(10, 7)) ax.hist(a, bins = [0, 25, 50, 75, 100]) # Show plot plt.show()
Producción :
Personalización del Histograma
Matplotlib proporciona una variedad de métodos diferentes para personalizar el histograma.
La función matplotlib.pyplot.hist() en sí misma proporciona muchos atributos con la ayuda de los cuales podemos modificar un histograma. La función hist() proporciona un objeto de parches que da acceso a las propiedades de los objetos creados, usando esto podemos modificar la trama según nuestra voluntad.
Ejemplo 1:
Python3
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 # Creating histogram fig, axs = plt.subplots(1, 1, figsize =(10, 7), tight_layout = True) axs.hist(x, bins = n_bins) # Show plot plt.show()
Producción :
Ejemplo 2: El siguiente código modifica el histograma anterior para una mejor vista y lecturas precisas.
Python3
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()
Producción :
Publicación traducida automáticamente
Artículo escrito por jeeteshgavande30 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA