如何在Python中创建累积曲线图？

ogive图形以图形化方式表示一组数据的累积分布函数（CDF），有时也称为累积频率曲线。它用于检查数据分布并发现模式和趋势。Matplotlib、Pandas和Numpy是Python提供的一些库和工具，用于创建ogive图形。在本教程中，我们将看看如何使用Matplotlib在Python中生成ogive图形。

要创建一个累积曲线图，我们需要导入所需的库。在这个例子中，我们将使用Matplotlib，Pandas和Numpy。Matplotlib是一个流行的数据可视化库，用于在Python中创建交互式图表和图形。另一方面，Numpy用于执行复杂的数学运算。Pandas是另一个广泛使用的Python库，专门用于数据操作和分析。

语法

plt.plot(*np.histogram(data, bins), 'o-')

在这个语法中，'data'是用来创建累积曲线图的数据集。数据的频率分布由'np.histogram'函数确定，该函数还返回直方图的值和箱子边界。使用'plt.plot'创建累积曲线图，使用' 'o-' '格式字符串来绘制数据点并用线连接它们。然后，'*'运算符将直方图的值和箱子边界作为单独的参数传递给'plt.plot'。

示例

这是一个简单的示例，创建了一个 ogive 图来可视化一个骰子投掷列表的累积频率分布。

import numpy as np
import matplotlib.pyplot as plt

# List of dice rolls
rolls = [1, 2, 3, 4, 5, 6, 3, 6, 2, 5, 1, 6, 4, 2, 3, 5, 1, 4, 6, 3]

# Calculate the cumulative frequency
bins = np.arange(0, 8, 1)
freq, bins = np.histogram(rolls, bins=bins)
cumulative_freq = np.cumsum(freq)

# Create the ogive graph
plt.plot(bins[1:], cumulative_freq, '-o')
plt.xlabel('Dice Rolls')
plt.ylabel('Cumulative Frequency')
plt.title('Ogive Graph of Dice Rolls')
plt.show()

首先，我们创建了一个ogive图来可视化一组骰子掷出结果的累积频率分布，通过导入必要的模块NumPy和Matplotlib来实现。然后，代码定义了一组骰子掷出结果，并使用NumPy的直方图函数来生成数据的“直方图”，指定数据的分组数和取值范围。接下来，使用NumPy的'cumsum'函数表示数据的累积频率。

最后，使用Matplotlib的“plot”函数将累积频率绘制为对数图，其中每个箱的上限用作x轴，形成ogive图。所得的ogive图显示了骰子投掷的累积频率分布，其中x轴表示投掷的值，y轴表示这些值在某一点之前的累积频率。这个图可以用来分析骰子投掷的频率和分布。

输出

示例

这个示例演示了一个ogive图，用于可视化0到100之间的500个随机数的分布。

import numpy as np
import matplotlib.pyplot as plt

# Generate random data
data = np.random.randint(0, 100, 500)

# Calculate the cumulative frequency
bins = np.arange(0, 110, 10)
freq, bins = np.histogram(data, bins=bins)
cumulative_freq = np.cumsum(freq)

# Create the ogive graph
plt.plot(bins[1:], cumulative_freq, '-o')
plt.xlabel('Data')
plt.ylabel('Cumulative Frequency')
plt.title('Ogive Graph of Random Data')
plt.show()

在这个例子中，我们首先使用NumPy生成一个包含500个0到100之间的随机数的数据集。然后使用NumPy计算出数据的累积频率，每个频率的区间宽度为10。最后，使用Matplotlib绘制累积频率与每个区间的上限之间的关系，生成ogive图。这个例子演示了如何使用Python和随机生成的数据创建ogive图。

输出

我们学会了使用Matplotlib模块在Python中创建累积曲线图，这是一个简单的过程，使用matplotlib库。通过加载数据、计算累积频率并绘制结果，您可以轻松地可视化数据集的分布，并识别任何模式或趋势。您可以使用标签、标题和样式自定义您的图形，使其更具视觉吸引力和信息量。累积曲线图是统计分析中有用的工具，可以表示各种数据，从收入分布到考试成绩。

以上是如何在Python中创建累积曲线图？的详细内容。更多信息请关注PHP中文网其他相关文章！