5 простых способов нормировать гистограмму в python
Для нормирования гистограммы в Python вы можете использовать функцию normalize() из библиотеки numpy.
import numpy as np
import matplotlib.pyplot as plt
# Создание гистограммы
data = np.random.randn(1000) # Пример данных для гистограммы
plt.hist(data, bins=10)
# Нормирование гистограммы
plt.hist(data, bins=10, density=True)
plt.show()
В приведенном примере мы создаем гистограмму, используя данные из функции random.randn() из библиотеки numpy. Затем мы вызываем функцию hist() и передаем параметр density=True, который нормализует гистограмму.
Надеюсь, это помогло вам!
Детальный ответ
Как нормировать гистограмму в Python
Гистограмма - это графическое представление распределения вероятностей или частот величины. Она позволяет наглядно отобразить данные и выявить закономерности в них. Нормирование гистограммы в Python - это процесс приведения гистограммы к единичной площади под кривой. Это полезно, когда нужно сравнить распределения разных величин или просто сделать график более наглядным.
Шаг 1: Импорт библиотеки
Перед тем, как приступить к нормировке гистограммы, мы должны импортировать необходимые библиотеки. Для работы с графиками и гистограммами в Python мы будем использовать библиотеку Matplotlib.
import matplotlib.pyplot as plt
Шаг 2: Создание данных
Для наглядности создадим простой набор данных, на котором будем строить гистограмму. Возьмем список чисел:
data = [2, 5, 5, 7, 1, 8, 4, 3, 2, 6]
Шаг 3: Построение гистограммы
Теперь мы готовы построить гистограмму на основе наших данных. Для этого воспользуемся функцией plt.hist(). Укажем наши данные и количество бинов (столбцов гистограммы) с помощью параметра bins:
plt.hist(data, bins=5)
plt.show()
Выполнив данный код, мы увидим гистограмму, построенную на основе наших данных с 5 столбцами. Однако ее площадь не равна единице, что нам нужно нормировать.
Шаг 4: Нормирование гистограммы
Для нормирования гистограммы воспользуемся параметром normed=True при вызове функции plt.hist():
plt.hist(data, bins=5, normed=True)
plt.show()
Теперь мы получим нормированную гистограмму с единичной площадью под кривой.
Шаг 5: Добавление заголовка и меток осей
Чтобы график был более информативным, можно добавить заголовок и метки осей. Для этого воспользуемся функциями plt.title(), plt.xlabel() и plt.ylabel():
plt.hist(data, bins=5, normed=True)
plt.title('Нормированная гистограмма')
plt.xlabel('Значение')
plt.ylabel('Частота')
plt.show()
Теперь график стал более понятным и информативным.
Заключение
Нормировка гистограммы в Python - важный шаг, который позволяет сравнить распределения разных величин и сделать график более наглядным. В этой статье мы рассмотрели шаги построения гистограммы и ее нормировки с помощью библиотеки Matplotlib. Вы можете экспериментировать с данными и параметрами функции plt.hist(), чтобы получить наилучший результат для своих данных.