Визуализация гистограмм в Matplotlib с использованием стиля BMH

PythonPythonBeginner
Практиковаться сейчас

This tutorial is from open-source community. Access the source code

💡 Этот учебник переведен с английского с помощью ИИ. Чтобы просмотреть оригинал, вы можете перейти на английский оригинал

Введение

В этом практическом занятии представлен пошаговый гайд по использованию Matplotlib для создания гистограмм с использованием стиля "bmh".

Советы по работе с ВМ

После запуска виртуальной машины щелкните в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook не загрузится полностью. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы столкнетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Импортируем необходимые модули

В этом шаге мы импортируем необходимые модули для создания гистограмм.

import matplotlib.pyplot as plt
import numpy as np

## Fixing random state for reproducibility
np.random.seed(19680801)

plt.style.use('bmh')

Определяем функцию для построения бета-распределения

В этом шаге мы определяем функцию для построения бета-распределения.

def plot_beta_hist(ax, a, b):
    ax.hist(np.random.beta(a, b, size=10000),
            histtype="stepfilled", bins=25, alpha=0.8, density=True)

Создаем график

В этом шаге мы создаем график, вызвав функцию plot_beta_hist() и передав параметры.

fig, ax = plt.subplots()
plot_beta_hist(ax, 10, 10)
plot_beta_hist(ax, 4, 12)
plot_beta_hist(ax, 50, 12)
plot_beta_hist(ax, 6, 55)
ax.set_title("'bmh' style sheet")

plt.show()

Резюме

В этом практическом занятии мы узнали, как использовать Matplotlib для создания гистограмм с использованием стиля "bmh". Мы импортировали необходимые модули, определили функцию для построения бета-распределения и создали график, вызвав функцию и передав параметры.