Los histogramas son una herramienta fundamental en la visualización de datos, ya que proporcionan una representación gráfica de la distribución de los datos. Son particularmente útiles para explorar datos continuos, como mediciones numéricas o lecturas de sensores. Este artículo lo guiará a través del proceso de Trazar histograma en Pitón usando Matplotlib , que cubre los pasos esenciales desde la preparación de datos hasta la generación del gráfico del histograma.
¿Qué son los histogramas de Matplotlib?
A histograma representa datos proporcionados en forma de algunos grupos. Es un método preciso para la representación gráfica de la distribución de datos numéricos. Es un tipo de gráfico de barras donde el eje X representa los rangos de contenedores mientras que el eje Y brinda información sobre la frecuencia.
Creando un histograma Matplotlib
Para crear un histograma de Matplotlib, el primer paso es crear un contenedor de rangos, luego distribuir todo el rango de valores en una serie de intervalos y contar los valores que caen en cada uno de los intervalos. Los contenedores se identifican como intervalos de variables consecutivos y que no se superponen. matplotlib.pyplot.hist() La función se utiliza para calcular y crear un histograma de x.
La siguiente tabla muestra los parámetros aceptados por la función matplotlib.pyplot.hist():
| Atributo | Parámetro |
|---|---|
| X | matriz o secuencia de matriz |
| contenedores | El parámetro opcional contiene un número entero, una secuencia o cadenas. |
| densidad | El parámetro opcional contiene valores booleanos. |
| rango | El parámetro opcional representa el rango superior e inferior de contenedores. |
| tipo de hist | parámetro opcional utilizado para crear el tipo de histograma [barra, apilada, paso, relleno por pasos], el valor predeterminado es barra |
| alinear | El parámetro opcional controla el trazado del histograma [izquierda, derecha, centro] |
| pesas | El parámetro opcional contiene una serie de pesos que tienen las mismas dimensiones que x. |
| abajo | Ubicación de la línea base de cada contenedor. |
| ancho | parámetro opcional que es el ancho relativo de las barras con respecto al ancho del contenedor |
| color | Parámetro opcional utilizado para establecer el color o la secuencia de especificaciones de color. |
| etiqueta | cadena de parámetro opcional o secuencia de cadena para coincidir con múltiples conjuntos de datos |
| registro | Parámetro opcional utilizado para configurar el eje del histograma en escala logarítmica. |
Trazar histograma en Python usando Matplotlib
Aquí veremos diferentes métodos para trazar histogramas en Matplotlib en Pitón :
- Histograma básico
- Histograma personalizado con gráfico de densidad
- Histograma personalizado con marca de agua
- Múltiples histogramas con subtramas
- Histograma apilado
- Histograma 2D (gráfico Hexbin)
Crear un histograma básico en Matplotlib
Creemos un histograma básico en Matplotlib usando Python de algunos valores aleatorios.
unirse a la actualización de mysql
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Plotting a basic histogram> plt.hist(data, bins>=>30>, color>=>'skyblue'>, edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Basic Histogram'>)> # Display the plot> plt.show()> |
>
>
Producción:
Histograma personalizado en Matplotlib con gráfico de densidad
Creemos un histograma personalizado con un gráfico de densidad usando Matplotlib y Seaborn en Python. El gráfico resultante visualiza la distribución de datos aleatorios con una estimación de densidad suave.
Python3
import> matplotlib.pyplot as plt> import> seaborn as sns> import> numpy as np> # Generate random data for the histogram> data>=> np.random.randn(>1000>)> # Creating a customized histogram with a density plot> sns.histplot(data, bins>=>30>, kde>=>True>, color>=>'lightgreen'>, edgecolor>=>'red'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Density'>)> plt.title(>'Customized Histogram with Density Plot'>)> # Display the plot> plt.show()> |
>
>
Producción:
Histograma personalizado con marca de agua
Cree un histograma personalizado usando Matplotlib en Python con características específicas. Incluye elementos de estilo adicionales, como eliminar marcas de eje, agregar relleno y establecer un degradado de color para una mejor visualización.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> from> matplotlib>import> colors> from> matplotlib.ticker>import> PercentFormatter> # Creating dataset> np.random.seed(>23685752>)> N_points>=> 10000> n_bins>=> 20> # Creating distribution> x>=> np.random.randn(N_points)> y>=> .>8> *>*> x>+> np.random.randn(>10000>)>+> 25> legend>=> [>'distribution'>]> # Creating histogram> fig, axs>=> plt.subplots(>1>,>1>,> >figsize>=>(>10>,>7>),> >tight_layout>=> True>)> # Remove axes splines> for> s>in> [>'top'>,>'bottom'>,>'left'>,>'right'>]:> >axs.spines[s].set_visible(>False>)> # Remove x, y ticks> axs.xaxis.set_ticks_position(>'none'>)> axs.yaxis.set_ticks_position(>'none'>)> > # Add padding between axes and labels> axs.xaxis.set_tick_params(pad>=> 5>)> axs.yaxis.set_tick_params(pad>=> 10>)> # Add x, y gridlines> axs.grid(b>=> True>, color>=>'grey'>,> >linestyle>=>'-.'>, linewidth>=> 0.5>,> >alpha>=> 0.6>)> # Add Text watermark> fig.text(>0.9>,>0.15>,>'Jeeteshgavande30'>,> >fontsize>=> 12>,> >color>=>'red'>,> >ha>=>'right'>,> >va>=>'bottom'>,> >alpha>=> 0.7>)> # Creating histogram> N, bins, patches>=> axs.hist(x, bins>=> n_bins)> # Setting color> fracs>=> ((N>*>*>(>1> /> 5>))>/> N.>max>())> norm>=> colors.Normalize(fracs.>min>(), fracs.>max>())> for> thisfrac, thispatch>in> zip>(fracs, patches):> >color>=> plt.cm.viridis(norm(thisfrac))> >thispatch.set_facecolor(color)> # Adding extra features> plt.xlabel(>'X-axis'>)> plt.ylabel(>'y-axis'>)> plt.legend(legend)> plt.title(>'Customized histogram'>)> # Show plot> plt.show()> |
aleatorio c
>
>
Producción :
Múltiples histogramas con subtramas
Generemos dos histogramas uno al lado del otro usando Matplotlib en Python, cada uno con su propio conjunto de datos aleatorios y proporcione una comparación visual de las distribuciones dedata1>ydata2>usando histogramas.
Python3
matriz ordenada en java
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for multiple histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating subplots with multiple histograms> fig, axes>=> plt.subplots(nrows>=>1>, ncols>=>2>, figsize>=>(>12>,>4>))> axes[>0>].hist(data1, bins>=>30>, color>=>'Yellow'>, edgecolor>=>'black'>)> axes[>0>].set_title(>'Histogram 1'>)> axes[>1>].hist(data2, bins>=>30>, color>=>'Pink'>, edgecolor>=>'black'>)> axes[>1>].set_title(>'Histogram 2'>)> # Adding labels and title> for> ax>in> axes:> >ax.set_xlabel(>'Values'>)> >ax.set_ylabel(>'Frequency'>)> # Adjusting layout for better spacing> plt.tight_layout()> # Display the figure> plt.show()> |
>
>
Producción:
Histograma apilado usando Matplotlib
Generemos un histograma apilado usando Matplotlib en Python, que represente dos conjuntos de datos con diferentes distribuciones de datos aleatorias. El histograma apilado proporciona información sobre la distribución de frecuencia combinada de los dos conjuntos de datos.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random data for stacked histograms> data1>=> np.random.randn(>1000>)> data2>=> np.random.normal(loc>=>3>, scale>=>1>, size>=>1000>)> # Creating a stacked histogram> plt.hist([data1, data2], bins>=>30>, stacked>=>True>, color>=>[>'cyan'>,>'Purple'>], edgecolor>=>'black'>)> # Adding labels and title> plt.xlabel(>'Values'>)> plt.ylabel(>'Frequency'>)> plt.title(>'Stacked Histogram'>)> # Adding legend> plt.legend([>'Dataset 1'>,>'Dataset 2'>])> # Display the plot> plt.show()> |
>
>
Producción:
Trazar histograma 2D (gráfico Hexbin) usando Matplotlib
Generemos un gráfico hexbin 2D usando Matplotlib en Python, proporciona una representación visual de la distribución de datos 2D, donde los hexágonos transmiten la densidad de los puntos de datos. La barra de colores ayuda a interpretar la densidad de puntos en diferentes regiones del gráfico.
Python3
import> matplotlib.pyplot as plt> import> numpy as np> # Generate random 2D data for hexbin plot> x>=> np.random.randn(>1000>)> y>=> 2> *> x>+> np.random.normal(size>=>1000>)> # Creating a 2D histogram (hexbin plot)> plt.hexbin(x, y, gridsize>=>30>, cmap>=>'Blues'>)> # Adding labels and title> plt.xlabel(>'X values'>)> plt.ylabel(>'Y values'>)> plt.title(>'2D Histogram (Hexbin Plot)'>)> # Adding colorbar> plt.colorbar()> # Display the plot> plt.show()> |
multihilo java
>
>
Producción:
Conclusión
Trazar histogramas de Matplotlib es un proceso simple y directo. Al utilizar elhist()>función, podemos crear fácilmente histogramas con diferentes anchos y bordes de contenedor. También podemos personalizar la apariencia de los histogramas para satisfacer nuestras necesidades.