Python: Encontrar a distribuição de dados com histogramas

Name: Python: Encontrar a distribuição de dados com histogramas
Author: Brian Higgins

Traçar uma distribuição de dados com histogramas.

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

Curso: sob demanda

Olá, meu nome é Brian Higgins e. Nestas lições você aprenderá como. Para encontrar a distribuição de dados usando histogramas. Geraremos dados aleatórios para representar graficamente como um histograma. Em seguida, adicionaremos opções de estilo aos nossos histogramas. E então criaremos subparcelas para um histograma. Nesta lição, geraremos dados aleatórios para representar graficamente como um histograma. Primeiro você pode perguntar o que é um histograma? Um histograma é um gráfico usando retângulos. Mostrando a distribuição de frequência de um conjunto de dados contínuos em intervalos numéricos sucessivos de igual tamanho. Isso permite a inspeção dos dados quanto ao seu tipo de distribuição. Então, por exemplo, uma distribuição normal, estatisticamente. Falando, você também pode procurar. Outliers, assimetria e outras informações estatísticas. Normalmente, a variável independente é plotada horizontalmente. E a variável dependente é plotada verticalmente. Em contraste, um gráfico de barras diferente de um histograma mostra dados categóricos onde cada barra representa uma categoria. Normalmente há uma lacuna entre as barras em um gráfico de barras, pois oposto ao histograma, onde não há lacuna entre o bares. Vamos começar a codificar e gerar um histograma em nosso primeiro bloco de código. Aqui iremos importar a biblioteca Matplotlib. Como fizemos antes, mas usando a subbiblioteca Pi plot e nosso aliás PLT. Além disso, para este exercício, importaremos o NumPy Python biblioteca que podemos usar para gerar uma distribuição aleatória de números. Iremos apelidar esta biblioteca de NP. Vamos executar esse código. Ok, então importamos essas bibliotecas. A seguir, geraremos uma distribuição aleatória. De números usando essa biblioteca NumPy. Portanto, neste exemplo, geraremos a. Distribuição aleatória de 100 números. Portanto, atribuiremos NUM ao valor de 100. E chamaremos nossa função Rand de bibliotecas aleatórias NumPy. Passar aquele NUM, que tem valor 100, gerará um lista. De 100 números em uma variável chamada x. Vamos executar isso. Ok, e aí você vê a lista de nossos números aleatórios, 100 números gerados aleatoriamente. A seguir visualizaremos essa distribuição aleatória. Números com histograma. Então, chamaremos PLTs, ou nossa função histórica de gráficos Pi e passaremos nossa lista de 100 números chamados x. E então mostraremos esse enredo. Ok, então você vê nosso enredo de. Números aleatórios nesta figura aqui. E a seguir o que faremos é gerar um aleatório normal distribuição de números usando a biblioteca NumPy. Com isso, você define quantos números aleatórios deseja gerar, como já fizemos. Mas para uma distribuição normal, os números aleatórios terão um média e um desvio padrão. Portanto, uma média será a média. Então, primeiro atribuiremos uma média a um valor zero, um padrão desvio para um valor de um, e geraremos 100 desses números. Novamente, chamaremos a biblioteca aleatória do NumPy. Desta vez usaremos a função normal. E passe nossa média e desvio padrão e 100 valores a serem gerados em nossa variável NUM. E isso será atribuído à nossa lista x. E então imprimiremos nossa lista de números. Então, novamente, aqui está nossa lista de números que têm um valor médio de zero. Então você notará que os valores são menores. Do que e maior que zero, e isso porque a nossa média é zero. Então vamos desenhar um histograma desses números novamente chamando nossa função hist de bibliotecas PLT e passando nossa lista chamada x. Ok, então se você notar no gráfico que foi gerado ali, nossos números. Tenha uma média em torno de zero. Então você notará que a barra mais alta está perto de zero. Por último, geraremos uma distribuição bimodal. Uma distribuição bimodal de números tem duas médias. Então o que faremos é gerar duas listas de números aleatórios onde cada lista. Tem sua própria média e vamos concatenar. Junte-os e depois trace essa lista. Portanto, cada lista terá 400 números. Atribuiremos a variável mu, ou seja, o. Média sigma sendo o desvio padrão para o. A primeira lista é dez e 40. A segunda lista é média mu dois e desvio padrão sigma dois serão 105. E então o que faremos é gerar. Duas listas aleatórias de números normalmente distribuídos com o variáveis que atribuímos. Portanto, nossa primeira lista é x um. Isso tem uma média de dez. Nossa segunda lista é x dois com média 100. Então, geraremos essas listas x um e x dois. E o que faremos então é chamar a função concatenada do NumPy e passaremos a primeira lista e adicionaremos a segunda lista x dois para x um. E criaremos uma nova lista chamada x. E então plotaremos usando novamente a função hist com esta lista que terá dois meios nela. E, novamente, esta é uma distribuição bimodal. E vamos dar uma olhada nisso e veremos que os dois meios são óbvio em nosso enredo. Então, novamente, a primeira lista tinha a. Média em torno de dez. Você verá isso como o primeiro pico nas barras. E então o último pico é a lista de números em torno de 100. Portanto, há dois meios mostrados aqui. Obrigado por assistir e fique ligado em nossa próxima lição, onde adicionaremos algumas opções de estilo ao nosso histograma.

Intermediário Fornecedor : Brian Higgins 3 lições · 20m em Árabe, Alemão, Inglês, Espanhol, Francês, Português, Chinese

Descrição do curso

Nestas lições, irá utilizar a biblioteca Numpy para gerar uma distribuição normal aleatória para visualizar com um histograma. Especificaremos a média, o desvio padrão e o número de valores aleatórios para gerar dados exclusivos para diferenciar os gráficos. Aprenderá a utilizar a sub-biblioteca Pyplot da biblioteca Matplotlib para criar histogramas e gerar sub-parcelas, e mostraremos como adicionar estilo a um histograma, como etiquetas, títulos, uma grelha e uma legenda.

Também aprenderá a gerar vários subplots de histograma no mesmo gráfico, incluindo como posicionar vários histogramas num gráfico com linhas e colunas e colorir cada um individualmente. Por fim, aprenderá a usar a biblioteca Scipy para gerar a linha (kde) (gráfico de melhor ajuste) de estimativa de densidade de kernel acima de um histograma.

O Que Você Vai Aprender

Gerar dados de distribuição normal aleatória usando a biblioteca Numpy especificando a média, desvio padrão e número de valores aleatórios
Criar histogramas usando a sub-biblioteca Pyplot do Matplotlib
Estilizar histogramas adicionando rótulos, títulos, uma grade e uma legenda
Gerar e posicionar vários subplots de histogramas no mesmo gráfico usando linhas e colunas, colorindo cada um individualmente
Adicionar uma linha de melhor ajuste de estimativa de densidade do kernel (kde) acima de um histograma usando a biblioteca Scipy

Principais Conclusões

A biblioteca Numpy é usada para gerar dados de distribuição normal aleatória especificando a média, desvio padrão e número de valores aleatórios.
Especificar diferentes parâmetros gera dados únicos que ajudam a diferenciar entre gráficos.
A sub-biblioteca Pyplot do Matplotlib é usada para criar histogramas e gerar subplots.
Vários subplots de histogramas podem ser posicionados no mesmo gráfico usando linhas e colunas, com cada um colorido individualmente.
A biblioteca Scipy gera a linha de estimativa de densidade do kernel (kde) como um gráfico de melhor ajuste acima de um histograma.

Perguntas Frequentes

Quais bibliotecas este curso usa?

O curso usa a biblioteca Numpy para gerar dados aleatórios, a sub-biblioteca Pyplot do Matplotlib para criar histogramas e subplots, e a biblioteca Scipy para gerar a linha de estimativa de densidade do kernel (kde) de melhor ajuste.

O que vou aprender sobre estilização de histogramas?

Você aprenderá como adicionar estilo a um histograma, como rótulos, títulos, uma grade e uma legenda.

Este curso aborda plotagem de vários histogramas juntos?

Sim. Você aprenderá a gerar vários subplots de histogramas no mesmo gráfico, incluindo como posicionar vários histogramas com linhas e colunas e colorir cada um individualmente.

Quais aulas estão incluídas neste curso?

As aulas são: Gerando Dados Aleatórios e Primeiro Histograma; Opções de Histograma; e Adicionando uma Linha de Melhor Ajuste: Subplot por Grupo.

Que habilidades este curso me ajuda a construir?

Este curso constrói habilidades em Estatística Computacional, Visualização de Dados, Histogramas, Distribuição Numérica, Distribuição de Probabilidade e Gráficos Estatísticos.