Python Matplotlib Histogram Tutorial

Einführung

Dieses Labor ist ein Schritt-für-Schritt-Tutorial zur Verwendung der Python-Matplotlib-Bibliothek zum Erstellen eines Histogramms. Ein Histogramm ist eine grafische Darstellung der Verteilung numerischer Daten. Es ist eine Schätzung der Wahrscheinlichkeitsverteilung einer kontinuierlichen Variable.

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 öffnen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund der Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Importieren Sie die erforderlichen Bibliotheken

In diesem Schritt importieren wir zwei Bibliotheken: numpy und matplotlib. Numpy ist eine Bibliothek für die Python-Programmiersprache, die die Unterstützung für große, mehrdimensionale Arrays und Matrizen hinzufügt. Matplotlib ist eine Diagrammbibliothek für die Python-Programmiersprache.

import numpy as np
import matplotlib.pyplot as plt

Generieren von Beispiel-Daten

In diesem Schritt werden wir Beispiel-Daten mit numpy generieren. Wir werden zufällige Daten aus einer Normalverteilung mit einem Mittelwert von 100 und einer Standardabweichung von 15 generieren.

np.random.seed(19680801)
mu = 100  ## Mittelwert der Verteilung
sigma = 15  ## Standardabweichung der Verteilung
x = mu + sigma * np.random.randn(437)

Erstellen eines Histogramms

In diesem Schritt werden wir ein Histogramm mit matplotlib erstellen. Wir werden die Anzahl der Bins auf 50 setzen und den Dichteparameter aktivieren, um die Höhen der Bins zu normalisieren, sodass das Integral des Histogramms 1 ist.

num_bins = 50
fig, ax = plt.subplots()
n, bins, patches = ax.hist(x, num_bins, density=True)

Fügen Sie eine Linie mit der besten Anpassung hinzu

In diesem Schritt werden wir einer Linie mit der besten Anpassung zum Histogramm hinzufügen. Wir werden die y-Werte für die Linie berechnen und sie über dem Histogramm plotten.

y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
     np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
ax.plot(bins, y, '--')

Anpassen des Histogramms

In diesem Schritt werden wir das Histogramm anpassen, indem wir Beschriftungen, einen Titel hinzufügen und das Layout anpassen.

ax.set_xlabel('Smarts')
ax.set_ylabel('Wahrscheinlichkeitsdichte')
ax.set_title(r'Histogramm der IQ: $\mu=100$, $\sigma=15$')
fig.tight_layout()
plt.show()

Zusammenfassung

In diesem Lab haben wir gelernt, wie man die Python Matplotlib-Bibliothek verwendet, um ein Histogramm zu erstellen. Wir haben Beispiel-Daten aus einer Normalverteilung generiert und ein Histogramm mit matplotlib erstellt. Wir haben auch eine Linie mit der besten Anpassung hinzugefügt und das Histogramm durch Hinzufügen von Beschriftungen und einem Titel anpassen.