آموزش هیستوگرام با استفاده از Matplotlib در NumPy
آموزش هیستوگرام با استفاده از Matplotlib در NumPy
در این درس از مجموعه آموزش برنامه نویسی سایت سورس باران، به آموزش هیستوگرام با استفاده از Matplotlib در NumPy خواهیم پرداخت.
پیشنهاد ویژه : پکیج آموزش پروژه محور پایتون
NumPy یک تابع ()numpy.histogram دارد که نمایش گرافیکی توزیع فراوانی داده ها است. مستطیل هایی با اندازه افقی برابر مطابق با فاصله کلاس بنام bin و ارتفاع متغیر مربوط به فرکانس.
()numpy.histogram
تابع ()numpy.histogram آرایه ورودی را گرفته و به عنوان دو پارامتر مورد استفاده قرار می گیرد. عناصر پی در پی در آرایه bin به عنوان مرز هر سطل بازی می کنند.
1 2 3 4 5 6 7 |
import numpy as np a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) np.histogram(a,bins = [0,20,40,60,80,100]) hist,bins = np.histogram(a,bins = [0,20,40,60,80,100]) print hist print bins |
این خروجی زیر را تولید می کند –
1 2 |
[3 4 5 2 1] [0 20 40 60 80 100] |
()plt
Matplotlib می تواند این نمایش عددی هیستوگرام را به نمودار تبدیل کند. تابع ()plt زیرمولد pyplot آرایه حاوی داده ها و آرایه bin را به عنوان پارامتر گرفته و به هیستوگرام تبدیل می شود.
1 2 3 4 5 6 7 |
from matplotlib import pyplot as plt import numpy as np a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]) plt.hist(a, bins = [0,20,40,60,80,100]) plt.title("histogram") plt.show() |
این باید خروجی زیر را تولید کند –
لیست جلسات قبل آموزش NumPy
- آموزش NumPy
- معرفی NumPy
- آموزش محیط کار NumPy
- آموزش شی Ndarray در NumPy
- آموزش انواع داده ها در NumPy
- آموزش ویژگی های آرایه در NumPy
- آموزش روال ایجاد آرایه در NumPy
- آموزش ایجاد آرایه از داده های موجود در NumPy
- آموزش ایجاد آرایه از محدوده های عددی در NumPy
- آموزش شاخص گذاری و برش در NumPy
- آموزش شاخص گذاری پیشرفته در NumPy
- آموزش Broadcasting در NumPy
- آموزش تکرار در یک آرایه در NumPy
- آموزش دستکاری آرایه در NumPy
- آموزش اپراتورهای دودویی در NumPy
- آموزش توابع رشته ای در NumPy
- آموزش توابع ریاضی در NumPy
- آموزش عملیات حسابی در NumPy
- آموزش توابع آماری در NumPy
- آموزش مرتب سازی، جستجو و توابع شمارش در NumPy
- آموزش Byte Swapping در NumPy
- آموزش کپی ها و View
- آموزش کتابخانه ماتریس در NumPy
- آموزش جبر خطی در NumPy
- آموزش Matplotlib در NumPy
دیدگاه شما