هیستوگرام در پایتون

Plotly یک کتابخانه نمودار رایگان و منبع باز برای پایتون است. توصیه می کنیم راهنمای شروع کار ما را برای آخرین دستورالعمل های نصب یا به روزرسانی بخوانید ، سپس به آموزش های اساسی اصول ما بروید یا مستقیماً به برخی از آموزش های اصلی نمودارها بروید.

در آمار ، هیستوگرام نمایانگر توزیع داده های عددی است ، که در آن داده ها از آن استفاده می شوند و تعداد هر سطل آن را نشان می دهد. به طور کلی ، در نقشه برداری یک هیستوگرام یک نمودار نوار جمع شده است ، با چندین عملکرد تجمع ممکن (به عنوان مثال جمع ، میانگین ، تعداد) که می تواند برای تجسم داده ها در محورهای طبقه بندی و تاریخ و همچنین محورهای خطی استفاده شود.

گزینه های دیگر برای توطئه های هیستوگرام برای تجسم توزیع شامل توطئه های ویولن ، توطئه های جعبه ، توطئه های ECDF و نمودارهای نوار است.

اگر در عوض به دنبال نمودارهای نوار هستید ، یعنی نمایش داده های خام و غیرمجاز با نوار مستطیل ، به آموزش نوار نوار بروید.

هیستوگرام با بیان مطبوعات

در 1]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill") شکل.نشان دادن() 

در 2]:

وارد كردن plotly. express as px df = px.داده ها.نکات() # در اینجا ما از ستونی با داده های طبقه بندی شده استفاده می کنیم شکل = px.بافت نگار(df, x="روز") شکل.نشان دادن() 

انتخاب تعداد سطل های

به طور پیش فرض ، تعداد سطل ها به گونه ای انتخاب می شود که این تعداد با تعداد معمولی نمونه ها در سطل قابل مقایسه باشد. این شماره را می توان سفارشی کرد و همچنین دامنه مقادیر.

در [3]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", nbins=20) شکل.نشان دادن() 

هیستوگرام در مورد داده های تاریخ

Histograms Plotly علاوه بر داده های عددی ، به طور خودکار داده های تاریخ را سطحی می کند:

در [4]:

وارد كردن plotly. express as px df = px.داده ها.سهام() شکل = px.بافت نگار(df, x="تاریخ") شکل.به روزرسانی_ه(چگالی=0.2) شکل.نشان دادن() 

هیستوگرام در مورد داده های طبقه بندی شده

Histograms Plotly به طور خودکار داده های عددی یا تاریخ را سطحی می کند اما می تواند در داده های طبقه بندی خام نیز مورد استفاده قرار گیرد ، مانند مثال زیر ، جایی که مقدار محور x متغیر طبقه بندی "روز" است:

در [5]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="روز", رده_ orders=مدرک(روز=["Thur", "جمعه", "شنبه", "آفتاب"])) شکل.نشان دادن() 

هیستوگرام در داشو

Dash بهترین راه برای ساخت برنامه های تحلیلی در پایتون با استفاده از چهره های طرح ریزی است. برای اجرای برنامه زیر ، PIP Install Dash را اجرا کنید ، برای دریافت کد و اجرای Python App. py روی "بارگیری" کلیک کنید.

با اسناد رسمی DASH شروع کنید و یاد بگیرید که چگونه با زحمت سبک و استقرار برنامه هایی مانند این را با Dash Enterprise.

خارج [6]:

ثبت نام در Dash Club the برگه های تقلب رایگان به علاوه به روزرسانی های کریس پارمر و آدام شرودر هر دو ماه یکبار به صندوق ورودی شما تحویل می دهند. شامل نکات و ترفندها ، برنامه های جامعه و شیرجه های عمیق در معماری Dash است.همین الان ملحق شوید، همین الان بپیوندید.

دسترسی به مقادیر شمارش (محور y)

JavaScript مقادیر محور y (شمارش) را در مرورگر محاسبه می کند ، بنابراین در شکل قابل دسترسی نیست. می توانید آن را با استفاده از np. histogram به صورت دستی محاسبه کنید.

در [7]:

وارد كردن plotly. express as px وارد كردن اعماق as np df = px.داده ها.نکات() # سطل ها را ایجاد کنید حساب, سطل = np.بافت نگار(df.total_bill, سطل=دامنه(0, 60, 5)) سطل = 0.5 * (سطل[:-1] + سطل[1:]) شکل = px.بار(x=سطل, y=حساب, برچسب ها='ایکس':'total_bill', 'Y':'شمردن'>) شکل.نشان دادن() 

نوع عادی سازی ¶

حالت پیش فرض نشان دادن تعداد نمونه ها در هر سطل است. با استفاده از استدلال histnorm ، همچنین می توان درصد یا کسری از نمونه ها را در هر سطل (histnorm = "درصد یا احتمال) یا یک هیستوگرام چگالی نشان داد (مجموع تمام مناطق نوار برابر با تعداد کل نقاط نمونه ، چگالی است.) ، یا یک هیستوگرام چگالی احتمال (مجموع مناطق نوار برابر با 1 ، چگالی احتمال).

در [8]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", طوفانی='چگالی احتمالی') شکل.نشان دادن() 

جنبه طرح هیستوگرام

در [9]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", عنوان="هیستوگرام صورتحساب", برچسب ها='total_bill':"کل صورتحساب">, # می تواند یک برچسب در هر ستون DF را مشخص کند جماعت=0.8, log_y=درست است، واقعی, # میله هایی را با مقیاس ورود به سیستم نشان دهید color_discrete_ownence=["هندی"] # رنگ میله های هیستوگرام ) شکل.نشان دادن() 

چندین هیستوگرام برای مقادیر مختلف یک ستون

در [10]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", رنگ="ارتباط جنسی") شکل.نشان دادن() 

تجمع با سایر کارکردها نسبت به شمارش

برای هر سطل X ، می توان تابعی از داده ها را با استفاده از HistFunc محاسبه کرد. استدلال HistFunc ستون DataFrame است که به عنوان آرگومان Y ارائه شده است. در زیر طرح نشان می دهد که میانگین نوک با قبض کل افزایش می یابد.

در [11]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", y="نکته", هیستون='avg') شکل.نشان دادن() 

اگر y داده شود ، پیش فرض histfunc جمع می شود و با داده های عددی طبقه بندی شده و همچنین در محور x کار می کند:

در [12]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="روز", y="total_bill", رده_ orders=مدرک(روز=["Thur", "جمعه", "شنبه", "آفتاب"])) شکل.نشان دادن() 

هیستوگرام علاوه بر رنگ ، استفاده از الگوهای (همچنین به عنوان جوجه کشی یا بافت) نیز شناخته می شود:

در [13]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="ارتباط جنسی", y="total_bill", رنگ="ارتباط جنسی", الگوی_="سیگاری") شکل.نشان دادن() 

تجسم توزیع ¶

با کلمه کلیدی حاشیه ، حاشیه ای در کنار هیستوگرام ترسیم می شود و توزیع را تجسم می کند. برای نمونه های بیشتر از بازنمایی آماری ترکیبی ، به صفحه Distplot مراجعه کنید.

در [14]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", رنگ="ارتباط جنسی", حاشیه ای="قالیچه", # می تواند "جعبه" ، "ویولن" باشد hover_data=df.ستون ها) شکل.نشان دادن() 

اضافه کردن برچسب های متن

با استفاده از آرگومان text_auto می توانید متن را به میله های هیستوگرام اضافه کنید. تنظیم آن در True مقادیر موجود در میله ها را نشان می دهد و تنظیم آن روی یک رشته قالب بندی با فرمت D3 ، فرمت خروجی را کنترل می کند.

در [15]:

وارد كردن plotly. express as px df = px.داده ها.نکات() شکل = px.بافت نگار(df, x="total_bill", y="نکته", هیستون="AVG", nbins=8, texto_auto=درست است، واقعی) شکل.نشان دادن() 

هیستوگرام با Go. Histogram¶

اگر Plotly Express نقطه شروع خوبی را ارائه ندهد ، همچنین می توان از کلاس Go. histogram عمومی استفاده کرد. graph_objects. تمام گزینه های هیستوگرام موجود در بخش هیستوگرام صفحه مرجع شرح داده شده است: https://plotly. com/python/reference#histogram.

هیستوگرام اساسی ¶ ¶

در [16]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np np.تصادفی.بذر(1) x = np.تصادفی.رند(500) شکل = go.شکل(داده ها=[go.بافت نگار(x=x)]) شکل.نشان دادن() 

هیستوگرام عادی شده

در [17]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np x = np.تصادفی.رند(500) شکل = go.شکل(داده ها=[go.بافت نگار(x=x, طوفانی="احتمال")]) شکل.نشان دادن() 

هیستوگرام افقی ¶

در [18]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np y = np.تصادفی.رند(500) # به جای `x` برای هیستوگرام افقی از استدلال` y` استفاده کنید شکل = go.شکل(داده ها=[go.بافت نگار(y=y)]) شکل.نشان دادن() 

هیستوگرام روکش شده

در [19]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np x0 = np.تصادفی.رند(500) # اضافه کردن 1 برای تغییر میانگین توزیع گاوسی x1 = np.تصادفی.رند(500) + 1 شکل = go.شکل() شکل.add_trace(go.بافت نگار(x=x0)) شکل.add_trace(go.بافت نگار(x=x1)) # هر دو هیستوگرام را روکش کنید شکل.به روزرسانی_ه(برماد="روکش") # برای دیدن هر دو هیستوگرام ، کدورت را کاهش دهید شکل.به روزرسانی_تراس(جماعت=0. 75) شکل.نشان دادن() 

هیستوگرام انباشته شده

در [20]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np x0 = np.تصادفی.رند(2000) x1 = np.تصادفی.رند(2000) + 1 شکل = go.شکل() شکل.add_trace(go.بافت نگار(x=x0)) شکل.add_trace(go.بافت نگار(x=x1)) # دو هیستوگرام در بالای دیگری ترسیم شده است شکل.به روزرسانی_ه(برماد='پشته') شکل.نشان دادن() 

هیستوگرام سبک شده

در [21]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np x0 = np.تصادفی.رند(500) x1 = np.تصادفی.رند(500) + 1 شکل = go.شکل() شکل.add_trace(go.بافت نگار( x=x0, طوفانی="درصد", نام='کنترل', # نام مورد استفاده در برچسب های افسانه و شناور Xbins=مدرک( # سطل های مورد استفاده برای هیستوگرام شروع=-4.0, پایان=3.0, اندازه=0.5 ), نشانگر_='#eb89b5', جماعت=0. 75 )) شکل.add_trace(go.بافت نگار( x=x1, طوفانی="درصد", نام="تجربی", Xbins=مدرک( شروع=-3.0, پایان=4, اندازه=0.5 ), نشانگر_='#330C73', جماعت=0. 75 )) شکل.به روزرسانی_ه( عنوان_ت="نتایج نمونه", # عنوان طرح xaxis_title_text='ارزش', # برچسب xaxis yaxis_title_text='شمردن', # برچسب yaxis چگالی=0.2, # فاصله بین میله های مختصات مکان مجاور چانه=0.1 # شکاف بین میله های همان مختصات مکان ) شکل.نشان دادن() 

متن نوار هیستوگرام

با استفاده از آرگومان TextTemplate می توانید متن را به میله های هیستوگرام اضافه کنید. در این مثال مقادیر محور x را به عنوان متن زیر قالب ٪ اضافه می کنیم. ما همچنین اندازه متن را با استفاده از TextFont_Size تنظیم می کنیم.

در [22]:

وارد كردن plotly. graph_objects as go شماره = ["5", "10", "3", "10", "5", "8", "5", "5"] شکل = go.شکل() شکل.add_trace(go.بافت نگار(x=شماره, نام="شمردن", متمایز کردن="% ", textfont_size=20)) شکل.نشان دادن() 

هیستوگرام تجمعی ¶

در [23]:

وارد كردن plotly. graph_objects as go وارد كردن اعماق as np x = np.تصادفی.رند(500) شکل = go.شکل(داده ها=[go.بافت نگار(x=x, تجمعی_م=درست است، واقعی)]) شکل.نشان دادن() 

عملکرد تجمع را مشخص کنید

در [24]:

وارد كردن plotly. graph_objects as go x = ["سیب","سیب","سیب","پرتقال ها", "موز"] y = ["5","10","3","10","5"] شکل = go.شکل() شکل.add_trace(go.بافت نگار(هیستون="شمردن", y=y, x=x, نام="شمردن")) شکل.add_trace(go.بافت نگار(هیستون="جمع", y=y, x=x, نام="جمع")) شکل.نشان دادن() 

Biing¶ سفارشی

برای خطوط سفارشی در امتداد محور x ، از ویژگی NBINSX استفاده کنید. لطفاً توجه داشته باشید که الگوریتم Autobin یک اندازه سطل گرد "زیبا" را انتخاب می کند که ممکن است منجر به کمتر از سطل های NBINSX شود. از طرف دیگر ، می توانید مقادیر دقیقی را برای Xbins به همراه Autobinx = false تنظیم کنید.

در [25]:

وارد كردن plotly. graph_objects as go از جانب plotly. subplots وارد كردن make_subplots x = ['1970-01-01', '1970-01-01', '1970-02-01', '1970-04-01', '1970-01-02', '1972-01-31', '1970-02-13', '1971-04-19'] شکل = make_subplots(ردیف=3, کلوچه=2) ردیابی 0 = go.بافت نگار(x=x, nbinsx=4) ردیابی 1 = go.بافت نگار(x=x, nbinsx = 8) ردیابی 2 = go.بافت نگار(x=x, nbinsx=10) ردیابی 3 = go.بافت نگار(x=x, Xbins=مدرک( شروع='1969-11-15', پایان='1972-03-31', اندازه='M18'), # M18 18 ماه است خود کار=دروغ ) ردیابی 4 = go.بافت نگار(x=x, Xbins=مدرک( شروع='1969-11-15', پایان='1972-03-31', اندازه='M4'), اندازه 4 ماه سطل خود کار=دروغ ) ردیابی 5 = go.بافت نگار(x=x, Xbins=مدرک( شروع='1969-11-15', پایان='1972-03-31', اندازه= 'm2'), # 2 ماه خود کار = دروغ ) شکل.adpend_trace(ردیابی 0, 1, 1) شکل.adpend_trace(ردیابی 1, 1, 2) شکل.adpend_trace(ردیابی 2, 2, 1) شکل.adpend_trace(ردیابی 3, 2, 2) شکل.adpend_trace(ردیابی 4, 3, 1) شکل.adpend_trace(ردیابی 5, 3, 2) شکل.نشان دادن()