Einführung
Matplotlib ist eine beliebte Datenvisualisierungsbibliothek in Python. Eine der häufigsten Möglichkeiten, um Datenverteilungen zu visualisieren, ist die Verwendung von Histogrammen. In diesem Lab werden wir lernen, wie man mit Matplotlib Histogramme erstellt und verschiedene Anpassungsmöglichkeiten erkundet.
Tipps für die VM
Nachdem der VM-Start abgeschlossen ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.
Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.
Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.
Importieren der erforderlichen Bibliotheken
Zunächst müssen wir die erforderlichen Bibliotheken importieren, einschließlich Matplotlib und NumPy.
import matplotlib.pyplot as plt
import numpy as np
Generieren von Beispielsdaten
Als nächstes werden wir einige Beispielsdaten generieren, die wir für das Histogramm verwenden. In diesem Beispiel werden wir drei Mengen von Zufallsdaten generieren.
np.random.seed(19680801)
n_bins = 10
x = np.random.randn(1000, 3)
Zeichnen eines einfachen Histogramms
Wir können ein einfaches Histogramm mit der hist-Funktion in Matplotlib erstellen. Diese Funktion nimmt die Daten, die wir plotten möchten, und die Anzahl der Bins entgegen, die wir verwenden möchten.
plt.hist(x, n_bins)
plt.show()
Fügen Sie Beschriftungen und einen Titel hinzu
Wir können Beschriftungen für die x- und y-Achsen und einen Titel für das Diagramm hinzufügen, indem wir die Funktionen xlabel, ylabel und title verwenden.
plt.hist(x, n_bins)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Random Data')
plt.show()
Anpassen des Histogramms
Wir können das Histogramm anpassen, indem wir die Farbe, die Transparenz und die Kantenfarbe der Balken mit den Parametern color, alpha und edgecolor ändern.
plt.hist(x, n_bins, color='green', alpha=0.5, edgecolor='black')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Random Data')
plt.show()
Zeichnen mehrerer Histogramme
Wir können mehrere Histogramme auf dem gleichen Diagramm zeichnen, indem wir einem Array von Daten an die hist-Funktion übergeben.
plt.hist(x, n_bins, color='green', alpha=0.5, edgecolor='black', label=['Sample 1', 'Sample 2', 'Sample 3'])
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram of Random Data')
plt.legend()
plt.show()
Zeichnen von gestapelten Histogrammen
Wir können gestapelte Histogramme zeichnen, indem wir den Parameter stacked auf True setzen.
plt.hist(x, n_bins, color=['green', 'blue','red'], alpha=0.5, edgecolor='black', label=['Sample 1', 'Sample 2', 'Sample 3'], stacked=True)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Stacked Histogram of Random Data')
plt.legend()
plt.show()
Zeichnen von Stufen-Histogrammen
Wir können Stufen-Histogramme zeichnen, indem wir den Parameter histtype auf 'step' setzen.
plt.hist(x, n_bins, histtype='step', color=['green', 'blue','red'], label=['Sample 1', 'Sample 2', 'Sample 3'])
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Step Histogram of Random Data')
plt.legend()
plt.show()
Zusammenfassung
In diesem Lab haben wir gelernt, wie man Histogramme mit Matplotlib erstellt. Wir haben verschiedene Anpassungsmöglichkeiten untersucht, darunter das Ändern der Farbe, der Transparenz und der Kantenfarbe der Balken, das Zeichnen mehrerer Histogramme auf dem gleichen Diagramm, das Stapelung von Histogrammen und das Zeichnen von Stufen-Histogrammen. Diese Tools können uns helfen, die Verteilung unserer Daten besser zu verstehen.