Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Что такое гистограмма?
  • Загрузка нашего набора данных
  • Создание гистограммы в Python с помощью Matplotlib
  • Определите размер ячейки гистограммы Matplotlib
  • Определите ячейки гистограммы Matplotlib
  • Ограничьте ячейки гистограммы Matplotlib
  • Логарифмическая шкала гистограммы Matplotlib
  • Изменение внешнего вида гистограммы Matplotlib
  • Создание гистограммы в Python с помощью Pandas
  • Заключение
  1. Учебники Matplotlib и Seaborn
  2. Matplotlib

Построение гистограммы в Python с Matplotlib и Pandas

PreviousЛинейные диаграммы Matplotlib – Всё, что вам нужно знатьNextАлгоритмы

Last updated 11 months ago

Гистограмма - это диаграмма, которая использует столбцы для представления частот, что помогает визуализировать распределения данных.

В этом посте вы узнаете, как создавать гистограммы с помощью Python, включая Matplotlib и Pandas.

Содержание

Что такое гистограмма?

Гистограмма — это диаграмма, использующая столбцы для представления частот, что помогает визуализировать распределение данных.

Столбцы могут отображать уникальные значения или группы чисел, попадающих в определенные диапазоны. Чем выше столбец, тем больше данных попадает в этот диапазон.

Форма гистограммы отображает разброс непрерывной выборки данных.

Гистограмма может превратить таблицу частот с интервалами данных в полезную визуализацию:

Загрузка нашего набора данных

Для начала загрузим необходимые библиотеки и наш набор данных. Затем мы можем создать гистограммы с помощью Python для столбца возраста, чтобы визуализировать распределение этой переменной.

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('https://github.com/datagy/Intro-to-Python/raw/master/sportsdata.xls', usecols=['Age'])

print(df.describe())

# Returns:
# 	Age
# count 	5000.000000
# mean 	25.012200
# std 	5.013849
# min 	4.000000
# 25% 	22.000000
# 50% 	25.000000
# 75% 	28.000000
# max 	43.000000

Из приведенных выше данных видно, что данные доходят до 43. Имеет смысл разбить данные на интервалы по 5 лет.

Создание гистограммы в Python с помощью Matplotlib

Для создания гистограммы в Python с использованием Matplotlib, вы можете использовать функцию hist().

Функция hist принимает несколько аргументов, основной из которых — аргумент bins, указывающий количество интервалов равной ширины в пределах диапазона.

Подсказка! Если вы работаете в среде Jupyter, не забудьте включить магическую команду Jupyter %matplotlib inline, чтобы отобразить гистограмму встроенно.

Самый простой способ создать гистограмму с помощью Matplotlib — просто вызвать функцию hist:

plt.hist(df['Age'])

Это возвращает гистограмму со всеми параметрами по умолчанию:

Определите размер ячейки гистограммы Matplotlib

Вы можете определить корзины, используя аргумент bins=. Он принимает либо число (для количества корзин), либо список (для конкретных корзин).

Если вы хотите установить 9 корзин для вашей гистограммы, вы можете написать:

plt.hist(df['Age'], bins=9)

Это создаёт следующее изображение:

Определите ячейки гистограммы Matplotlib

Если вы хотите более точно определить размер ваших интервалов, вы можете задать их полностью. Например, если вы хотите, чтобы ваши интервалы были с шагом в пять лет, вы можете написать:

plt.hist(df['Age'], bins=[0,5,10,15,20,25,35,40,45,50])

Это позволяет вам точно указать, где должны располагаться данные. Этот код возвращает следующее:

Ограничьте ячейки гистограммы Matplotlib

Вы также можете использовать диапазоны для исключения данных. Если вас интересует возврат возраста выше определенного, вы можете просто исключить их из вашего списка.

Например, если вы хотите исключить возраст младше 20 лет, вы можете написать:

plt.hist(df['Age'], bins=[20,25,35,40,45,50])

Логарифмическая шкала гистограммы Matplotlib

Если данные содержат некоторые группы с значительно большим количеством данных по сравнению с другими группами, может быть полезно визуализировать данные, используя логарифмическую шкалу. Для этого можно использовать аргумент log=True:

plt.hist(df['Age'], bins=range(0,55,5), log=True)

Это возвращает следующее изображение:

Изменение внешнего вида гистограммы Matplotlib

Чтобы изменить внешний вид гистограммы, необходимо знать три важных аргумента:

  • align: принимает mid, right, left для установки выравнивания полос относительно их маркеров

  • color: принимает цвета Matplotlib, по умолчанию синий

  • edgecolor: принимает цвета Matplotlib и обводит границы столбцов

Чтобы изменить выравнивание и цвет гистограммы, можно написать:

plt.hist(df['Age'], bins=9, align='right', color='purple', edgecolor='black')

Это генерирует следующую гистограмму:

Создание гистограммы в Python с помощью Pandas

При работе с датафреймами Pandas легко создавать гистограммы. Pandas интегрирует множество функций Pyplot из Matplotlib, чтобы упростить построение графиков.

К гистограммам в Pandas можно применить функцию .hist() напрямую к dataframe:

df.hist()

Это создает следующую гистограмму:

Мы можем дополнительно настроить его с помощью ключевых аргументов, включая:

  • column: поскольку наш датафрейм имеет только один столбец, это не обязательно

  • grid: по умолчанию True

  • bins: по умолчанию 10

Давайте изменим наш код, чтобы включить только 9 контейнеров и удалить сетку:

df.hist(grid=False, bins=9)

Это возвращает следующий dataframe:

Вы также можете добавить заголовки и метки осей, используя следующее:

df.hist(grid=False, bins=9)
plt.xlabel('Age of Players')
plt.ylabel('# of Players')
plt.title('Age Distribution')

Который возвращает следующее:

Аналогично, если вы хотите определить фактические границы краев, вы можете сделать это, включив список значений, которые вы хотите установить для границ.

Это можно ускорить, используя функцию range().

df.hist(grid=False, bins=range(0,55,5))
plt.xlabel('Age of Players')ac
plt.ylabel('# of Players')
plt.title('Age Distribution')

Это возвращает следующее:

Заключение

В этом посте вы узнали, что такое гистограмма и как создать её с помощью Python, включая использование Matplotlib, Pandas и Seaborn. У каждой из этих библиотек есть свои уникальные преимущества и недостатки. Если вы ищете более статистически дружественный вариант, Seaborn — это то, что вам нужно.

Чтобы узнать больше о связанных темах, ознакомьтесь с учебными материалами ниже:

  • Новая строка Python и как печатать без новой строки

  • Pandas Isin для фильтрации фрейма данных, например SQL IN и NOT IN

Если вы хотите узнать, как создавать собственные диапазоны для данных, вы можете ознакомиться с

Если вы хотите узнать, как проверить, являются ли данные нормализованным распределеним , ознакомьтесь с моим руководством по использованию Python для

Простая гистограмма Matplotlib.
Простая гистограмма, созданная в Matplotlib.
Определение границ интервала в гистограммах Matplotlib.
Исключение интервалов в гистограммах Matplotlib
Логарифмические шкалы в гистограммах Matplotlib.
Настройка гистограммы Matplotlib.

Чтобы узнать больше о функции hist в Matplotlib, ознакомьтесь с

Создание гистограммы в Pandas.
Изменение гистограммы в Pandas.
Изменение гистограммы с помощью Pandas путем добавления заголовков.
Настройка границ интервала в гистограмме Pandas.

Если вы хотите узнать больше о функции, ознакомьтесь с

моим руководством по биннингу данных с помощью Pandas
тестирования нормализации
официальной документацией
официальной документацией
Что такое гистограмма?
Загрузка нашего набора данных
Создание гистограммы в Python с помощью Matplotlib
Определите размер ячейки гистограммы Matplotlib
Определите ячейки гистограммы Matplotlib
Ограничьте ячейки гистограммы Matplotlib
Логарифмическая шкала гистограммы Matplotlib
Изменение внешнего вида гистограммы Matplotlib
Создание гистограммы в Python с помощью Pandas
Заключение
Describing what a histogram is with a table of frequencies and the resulting histogram.
A simple Matplotlib Histogram.
Defining bin edges in Matplotlib histograms.
Excluding bins in Matplotlib Histograms
Create a histogram in Python with Matplotlib.
Customizing a Matplotlib histogram.
Creating a histogram in Pandas.
Modifying a histogram in Pandas.
Modifying a histogram using Pandas by adding titles.
Customizing bin edges in a Pandas histogram.
Logarithmic Scales in Matplotlib Histograms.