Python: Hallar la distribución de datos con histogramas

Name: Python: Hallar la distribución de datos con histogramas
Author: Brian Higgins

Trace una distribución de datos con histogramas.

Preview the first lesson free — get full access to all 3 lessons.

Curso: bajo demanda

Hola, mi nombre es Brian Higgins y. En estas lecciones aprenderás cómo. Encontrar la distribución de datos mediante histogramas. Generaremos datos aleatorios para trazarlos como un histograma. Luego agregaremos opciones de estilo a nuestros histogramas. Y luego crearemos subtramas para un histograma. En esta lección, generaremos datos aleatorios para trazar como un histograma. Primero te preguntarás ¿qué es un histograma? Un histograma es un gráfico que utiliza rectángulos. Mostrando la distribución de frecuencia de un conjunto de datos continuos en intervalos numéricos sucesivos de igual tamaño. Esto permite inspeccionar los datos para su tipo de distribución. Entonces, por ejemplo, una distribución normal, estadísticamente. Hablando, también puedes buscar. Valores atípicos, asimetría y otra información estadística. Por lo general, la variable independiente se traza horizontalmente. Y la variable dependiente se traza verticalmente. Por el contrario, un gráfico de barras diferente de un histograma muestra datos categóricos donde cada barra representa una categoría. Normalmente hay un espacio entre las barras en un gráfico de barras como opuesto al histograma, donde no hay espacio entre el barras. Comencemos a codificar un poco y generemos un histograma en nuestro primer bloque de código. Aquí importaremos la biblioteca Matplotlib. Como hemos hecho antes, pero usando la subbiblioteca de gráficos Pi y nuestro alias PLT. Además, para este ejercicio, importaremos NumPy Python Biblioteca que podemos usar para generar una distribución aleatoria. de números. Pondremos el alias de esta biblioteca como NP. Ejecutemos ese código. Bien, entonces hemos importado esas bibliotecas. A continuación, generaremos una distribución aleatoria. De números que usan esa biblioteca NumPy. Entonces, en este ejemplo, generaremos un. Distribución aleatoria de 100 números. Entonces asignaremos NUM como el valor de 100. Y llamaremos a la función rand de nuestras bibliotecas aleatorias NumPy. Pasar ese NUM, que tiene un valor de 100, generará un lista. De 100 números en una variable llamada x. Ejecutemos eso. Bien, ahí ves la lista de nuestros números aleatorios, 100. números generados aleatoriamente. A continuación visualizaremos esa distribución aleatoria. Números con histograma. Entonces llamaremos PLT, o nuestro Pi traza su función histórica y la pasamos nuestra lista de 100 números llamados x. Y luego mostraremos esa trama. Bien, entonces ves nuestra trama de. Números aleatorios en esta figura aquí. Y lo siguiente que haremos es generar un aleatorio normal. Distribución de números utilizando la biblioteca NumPy. Con esto defines cuantos números aleatorios quieres generar, como ya lo hemos hecho. Pero para una distribución normal, los números aleatorios tendrán una media y una desviación estándar. Entonces una media será el promedio. Primero asignaremos una media a un valor de cero, un estándar desviación a un valor de uno, y generaremos 100 de estos números. Nuevamente, llamaremos a la biblioteca aleatoria de NumPy. Esta vez usaremos la función normal. Y pase nuestra media y desviación estándar y 100 valores que se generarán en nuestra variable NUM. Y eso será asignado a nuestra lista x. Y luego imprimiremos nuestra lista de números. De nuevo, aquí está nuestra lista de números que tienen un valor medio. de cero. Entonces notarás que los valores son menores. Que y mayor que cero, y eso se debe a que nuestra media es cero. Así que dibujemos un histograma de esos números. nuevamente llamando a la función hist de nuestras bibliotecas PLT y pasando nuestra lista llamada x. Bien, si te fijas en la trama que se generó allí, nuestros números. Tener una media alrededor de cero. Entonces notarás que la barra más alta está cerca de cero. Por último, generaremos una distribución bimodal. Una distribución bimodal de números tiene dos medias. Entonces lo que haremos es generar dos listas de números aleatorios. donde cada lista. Tiene su propia media y la concatenaremos. Júntelos y luego trace esa lista. Entonces, cada lista tendrá 400 números. Asignaremos la variable mu, es decir, el. La media sigma es la desviación estándar para el. La primera lista es diez y 40. La segunda lista es la media mu dos y la desviación estándar sigma. dos serán 105. Y luego lo que haremos será generar. Dos listas aleatorias de números distribuidos normalmente con el variables que le asignamos. Entonces nuestra primera lista es x uno. Eso tiene una media de diez. Nuestra segunda lista es x dos con una media de 100. Entonces generaremos esas listas x uno y x dos. Y lo que haremos entonces será llamar a la función de concatenación de NumPy. y pasaremos la primera lista y agregaremos la segunda lista x dos a x uno. Y crearemos una nueva lista llamada x. Y luego graficaremos usando nuevamente la función hist con esta lista tendrá dos medios. Y nuevamente, esta es una distribución bimodal. Y echaremos un vistazo a eso y veremos que los dos medios son obvio de nuestra trama. De nuevo, la primera lista tenía un. Media de alrededor de diez. Verás eso como el primer pico en las barras. Y luego el último pico es la lista de números alrededor de 100. Entonces aquí se muestran dos medios. Gracias por mirar y estad atentos a nuestra próxima lección donde Agregaremos algunas opciones de estilo a nuestro histograma.

Intermedio Proveedor : Brian Higgins 3 lecciones · 20m en Árabe, Alemán, Inglés, Español, Francés, Portugués, Chinese

Descripción del curso

En estas lecciones usará la biblioteca Numpy para generar una distribución normal aleatoria para visualizar con un histograma. Repasaremos la especificación de la media, la desviación estándar y el número de valores aleatorios para generar datos únicos para diferenciar entre gráficos. Aprenderá a usar la sub biblioteca Pyplot de la biblioteca Matplotlib para crear histogramas y generar subgráficos, y le mostraremos cómo agregar estilos a un histograma como etiquetas, títulos, una cuadrícula y una leyenda.

También aprenderá a generar varios subgráficos de histograma en el mismo gráfico, incluyendo cómo colocar múltiples histogramas en un gráfico con filas y columnas y colorear cada uno individualmente. Finalmente, aprenderá a usar la biblioteca Scipy para generar la línea de estimación de la densidad del kernel (kde) (gráfico de mejor ajuste) por encima de un histograma.

Lo que aprenderás

Generar datos de distribución normal aleatoria usando la biblioteca Numpy especificando la media, desviación estándar y número de valores aleatorios
Crear histogramas usando la sub-biblioteca Pyplot de Matplotlib
Dar estilo a histogramas agregando etiquetas, títulos, una cuadrícula y una leyenda
Generar e posicionar múltiples subgráficos de histogramas en el mismo gráfico usando filas y columnas, coloreando cada uno individualmente
Agregar una línea de mejor ajuste de estimación de densidad de kernel (kde) encima de un histograma usando la biblioteca Scipy

Puntos clave

La biblioteca Numpy se utiliza para generar datos de distribución normal aleatoria especificando la media, desviación estándar y número de valores aleatorios.
Especificar parámetros diferentes genera datos únicos que ayudan a diferenciar entre gráficos.
La sub-biblioteca Pyplot de Matplotlib se utiliza para crear histogramas y generar subgráficos.
Múltiples subgráficos de histogramas pueden posicionarse en el mismo gráfico usando filas y columnas, cada uno coloreado individualmente.
La biblioteca Scipy genera la línea kde como un gráfico de mejor ajuste encima de un histograma.

Preguntas frecuentes

¿Qué bibliotecas utiliza este curso?

El curso utiliza la biblioteca Numpy para generar datos aleatorios, la sub-biblioteca Pyplot de Matplotlib para crear histogramas y subgráficos, y la biblioteca Scipy para generar la línea de mejor ajuste de estimación de densidad de kernel (kde).

¿Qué aprenderé sobre el estilo de histogramas?

Aprenderá cómo agregar estilo a un histograma como etiquetas, títulos, una cuadrícula y una leyenda.

¿Cubre este curso el trazado de múltiples histogramas juntos?

Sí. Aprenderá a generar varios subgráficos de histogramas en el mismo gráfico, incluyendo cómo posicionar múltiples histogramas con filas y columnas y colorear cada uno individualmente.

¿Qué lecciones se incluyen en este curso?

Las lecciones son: Generación de datos aleatorios e histograma inicial; opciones de histograma; y adición de una línea de mejor ajuste: subgráfico por grupo.

¿Qué habilidades me ayuda a desarrollar este curso?

Este curso desarrolla habilidades en estadística computacional, visualización de datos, histogramas, distribución numérica, distribución de probabilidad y gráficos estadísticos.