


Kira histogram set data menggunakan NumPy dalam Python
Histogram ialah perwakilan grafik taburan set data. Ia mewakili data dalam bentuk satu siri carta bar, di mana setiap bar mewakili julat nilai data dan ketinggian bar mewakili kekerapan nilai data yang ditentukan dalam julat tersebut.
Ini digunakan terutamanya untuk mewakili pengagihan data berangka, seperti pengagihan gred dalam kelas, pengagihan populasi atau pengagihan pendapatan pekerja, dsb.
Dalam histogram, paksi-x mewakili julat nilai data, dibahagikan kepada selang dan paksi-y mewakili kekerapan julat nilai data dalam setiap tong Histogram boleh dinormalkan dengan membahagikan kekerapan setiap tong dengan jumlah nilai data, yang menghasilkan histogram frekuensi relatif di mana paksi-y mewakili nilai data setiap tong.
Mengira histogram menggunakan Python Numpy
Dalam python, untuk mencipta histogram kami mempunyai perpustakaan numpy, matplotlib dan seaborn Dalam Numpy, kami mempunyai fungsi bernama histogram() untuk berfungsi dengan data histogram.
Tatabahasa
Berikut ialah sintaks untuk mencipta histogram untuk julat data yang diberikan.
numpy.histogram(arr, bins, range, normed, weights, density)
Where,
ialah:Where,
arr ialah tatasusunan input
tong ialah bilangan bar dalam histogram yang digunakan untuk mewakili data
julat mentakrifkan julat nilai dalam histogram
norma Parameter ketumpatan keutamaan
berat ialah parameter pilihan untuk berat setiap nilai data
Ketumpatan ialah parameter yang menormalkan data histogram kepada ketumpatan kebarangkalian.
Keluaran fungsi histogram akan menjadi tuple yang mengandungi kiraan histogram dan tepi tong.
Contoh
Dalam contoh di bawah, kami mencipta histogram menggunakan fungsi histogram() Numpy. Di sini, kami mengambil tatasusunan sebagai parameter input dan mentakrifkan tong sebagai 10 supaya histogram akan dibuat dengan 10 tong dan parameter yang lain boleh disimpan sebagai tiada.
import numpy as np arr = np.array([10,20,25,40,35,23]) hist = np.histogram(arr,bins = 10) print("The histogram created:",hist)
Output
The histogram created: (array([1, 0, 0, 1, 1, 1, 0, 0, 1, 1], dtype=int64), array([10., 13., 16., 19., 22., 25., 28., 31., 34., 37., 40.]))
Contoh
Mari lihat contoh untuk memahami fungsi histogram() perpustakaan numpy.
import numpy as np arr = np.array([[20,20,25],[40,35,23],[34,22,1]]) hist = np.histogram(arr,bins = 20) print("The histogram created:",hist)
Output
The histogram created: (array([1, 0, 0, 0, 0, 0, 0, 0, 0, 2, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1], dtype=int64), array([ 1. , 2.95, 4.9 , 6.85, 8.8 , 10.75, 12.7 , 14.65, 16.6 , 18.55, 20.5 , 22.45, 24.4 , 26.35, 28.3 , 30.25, 32.2 , 34.15, 36.1 , 38.05, 40. ]))</p><p>
Contoh
Dalam contoh ini, kami mencipta histogram dengan menyatakan tong sampah dan julat data untuk digunakan. Kod berikut boleh digunakan sebagai rujukan.
import numpy as np arr = np.array([[20,20,25],[40,35,23],[34,22,1]]) hist = np.histogram(arr,bins = 20, range = (1,10)) print("The histogram created:", hist)
Output
The histogram created: (array([1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,0, 0, 0, 0], dtype=int64), array([ 1. , 1.45, 1.9 , 2.35, 2.8 , 3.25, 3.7 ,4.15, 4.6 , 5.05, 5.5 , 5.95, 6.4 , 6.85, 7.3 , 7.75, 8.2 , 8.65, 9.1 , 9.55, 10. ]))
Atas ialah kandungan terperinci Kira histogram set data menggunakan NumPy dalam Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Numpy ialah perpustakaan matematik penting dalam Python Ia menyediakan operasi tatasusunan yang cekap dan fungsi pengiraan saintifik dan digunakan secara meluas dalam analisis data, pembelajaran mesin, pembelajaran mendalam dan bidang lain. Apabila menggunakan numpy, kita selalunya perlu menyemak nombor versi numpy untuk menentukan fungsi yang disokong oleh persekitaran semasa. Artikel ini akan memperkenalkan cara menyemak versi numpy dengan cepat dan memberikan contoh kod khusus. Kaedah 1: Gunakan atribut __version__ yang disertakan dengan numpy Modul numpy disertakan dengan __.

Pendaraban Matriks Umum (GEMM) ialah bahagian penting dalam banyak aplikasi dan algoritma, dan juga merupakan salah satu petunjuk penting untuk menilai prestasi perkakasan komputer. Penyelidikan mendalam dan pengoptimuman pelaksanaan GEMM boleh membantu kami lebih memahami pengkomputeran berprestasi tinggi dan hubungan antara perisian dan sistem perkakasan. Dalam sains komputer, pengoptimuman GEMM yang berkesan boleh meningkatkan kelajuan pengkomputeran dan menjimatkan sumber, yang penting untuk meningkatkan prestasi keseluruhan sistem komputer. Pemahaman yang mendalam tentang prinsip kerja dan kaedah pengoptimuman GEMM akan membantu kami menggunakan potensi perkakasan pengkomputeran moden dengan lebih baik dan menyediakan penyelesaian yang lebih cekap untuk pelbagai tugas pengkomputeran yang kompleks. Dengan mengoptimumkan prestasi GEMM

WORD adalah pemproses perkataan yang berkuasa Kita boleh menggunakan perkataan untuk mengedit pelbagai teks Dalam jadual Excel, kita telah menguasai kaedah pengiraan penambahan, penolakan dan penggandaan Jadi jika kita perlu mengira penambahan nilai dalam jadual Word. Bagaimana untuk menolak pengganda? Bolehkah saya hanya menggunakan kalkulator untuk mengiranya? Jawapannya sudah tentu tidak, WORD juga boleh melakukannya. Hari ini saya akan mengajar anda cara menggunakan formula untuk mengira operasi asas seperti penambahan, penolakan, pendaraban dan pembahagian dalam jadual dalam dokumen Word. Jadi, hari ini izinkan saya menunjukkan secara terperinci cara mengira penambahan, penolakan, pendaraban dan pembahagian dalam dokumen WORD? Langkah 1: Buka WORD, klik [Jadual] di bawah [Sisipkan] pada bar alat dan masukkan jadual dalam menu lungsur.

Cara menaik taraf versi numpy: Tutorial yang mudah diikuti, memerlukan contoh kod konkrit Pengenalan: NumPy ialah perpustakaan Python penting yang digunakan untuk pengkomputeran saintifik. Ia menyediakan objek tatasusunan berbilang dimensi yang berkuasa dan satu siri fungsi berkaitan yang boleh digunakan untuk melaksanakan operasi berangka yang cekap. Apabila versi baharu dikeluarkan, ciri yang lebih baharu dan pembetulan pepijat sentiasa tersedia kepada kami. Artikel ini akan menerangkan cara untuk menaik taraf pustaka NumPy anda yang dipasang untuk mendapatkan ciri terkini dan menyelesaikan isu yang diketahui. Langkah 1: Semak versi NumPy semasa pada permulaan

Ajar anda langkah demi langkah untuk memasang NumPy dalam PyCharm dan menggunakan sepenuhnya fungsinya yang berkuasa: NumPy ialah salah satu perpustakaan asas untuk pengkomputeran saintifik dalam Python Ia menyediakan objek tatasusunan berbilang dimensi berprestasi tinggi dan pelbagai fungsi yang diperlukan untuk melaksanakan operasi asas pada fungsi tatasusunan. Ia merupakan bahagian penting dalam kebanyakan projek sains data dan pembelajaran mesin. Artikel ini akan memperkenalkan anda kepada cara memasang NumPy dalam PyCharm, dan menunjukkan ciri hebatnya melalui contoh kod tertentu. Langkah 1: Pasang PyCharm Pertama, kami

Dengan perkembangan pesat bidang seperti sains data, pembelajaran mesin dan pembelajaran mendalam, Python telah menjadi bahasa arus perdana untuk analisis dan pemodelan data. Dalam Python, NumPy (singkatan untuk NumericalPython) ialah perpustakaan yang sangat penting kerana ia menyediakan satu set objek tatasusunan berbilang dimensi yang cekap dan merupakan asas untuk banyak perpustakaan lain seperti panda, SciPy dan scikit-learn. Dalam proses menggunakan NumPy, anda mungkin menghadapi masalah keserasian antara versi yang berbeza, kemudian

Rahsia cara menyahpasang perpustakaan NumPy dengan cepat didedahkan Contoh kod khusus NumPy ialah perpustakaan pengkomputeran saintifik Python yang digunakan secara meluas dalam bidang seperti analisis data, pengkomputeran saintifik dan pembelajaran mesin. Walau bagaimanapun, kadangkala kami mungkin perlu menyahpasang pustaka NumPy, sama ada untuk mengemas kini versi atau atas sebab lain. Artikel ini akan memperkenalkan beberapa kaedah untuk menyahpasang perpustakaan NumPy dengan cepat dan memberikan contoh kod khusus. Kaedah 1: Gunakan pip untuk menyahpasang pip ialah alat pengurusan pakej Python yang boleh digunakan untuk memasang, menaik taraf dan

Panduan pemasangan Numpy: Satu artikel untuk menyelesaikan masalah pemasangan, memerlukan contoh kod khusus Pengenalan: Numpy ialah perpustakaan pengkomputeran saintifik yang berkuasa dalam Python Ia menyediakan objek dan alatan tatasusunan berbilang dimensi yang cekap untuk mengendalikan data tatasusunan. Walau bagaimanapun, untuk pemula, memasang Numpy boleh menyebabkan kekeliruan. Artikel ini akan memberikan anda panduan pemasangan Numpy untuk membantu anda menyelesaikan masalah pemasangan dengan cepat. 1. Pasang persekitaran Python: Sebelum memasang Numpy, anda perlu terlebih dahulu memastikan bahawa Py telah dipasang.
