Trong bài viết này, chúng tôi sẽ thảo luận về cách vẽ phân phối bình thường qua biểu đồ bằng Python. Đầu tiên, chúng tôi sẽ thảo luận riêng về biểu đồ và biểu đồ phân phối bình thường, và sau đó chúng tôi sẽ hợp nhất cả hai biểu đồ với nhau. & NBSP; Biểu đồBiểu đồ là một biểu diễn đồ họa của một tập hợp các điểm dữ liệu được sắp xếp trong phạm vi do người dùng xác định. Tương tự như biểu đồ thanh, biểu đồ thanh nén một loạt dữ liệu vào các đối tượng trực quan dễ phát triển bằng cách nhóm nhiều điểm dữ liệu thành các khu vực hoặc container logic. Để vẽ này, chúng tôi sẽ sử dụng: - Phương thức ngẫu nhiên.n bình thường () để tìm phân phối thông thường của dữ liệu. Nó có ba tham số: & nbsp; method for finding the normal distribution of the data. It has three parameters:
- LỘC - (trung bình) nơi đặt đầu chuông.– (average) where the top of the bell is located.
- Tỷ lệ - (độ lệch chuẩn) Làm thế nào đồng nhất bạn muốn biểu đồ được phân phối.– (standard deviation) how uniform you want the graph to be distributed.
- Kích thước - Hình dạng của mảng trở lại– Shape of the returning Array
- Hiểu hist () trong mô -đun pyplot của thư viện matplotlib được sử dụng để vẽ biểu đồ. Nó có các tham số như: & nbsp;hist() in the
Pyplot module of the Matplotlib library is used to draw histograms. It has parameters like:
- Dữ liệu: Tham số này là một chuỗi dữ liệu.: This parameter is a data sequence.
- BIN: Tham số này là tùy chọn và chứa số nguyên, trình tự hoặc chuỗi.: This parameter is optional and contains integers, sequences or strings.
- Mật độ: Tham số này là tùy chọn và chứa giá trị boolean.: This parameter is optional and contains a Boolean value.
- Alpha: Giá trị là một số nguyên từ 0 đến 1, đại diện cho tính minh bạch của mỗi biểu đồ. Giá trị của N càng nhỏ, biểu đồ trong suốt.: Value is an integer between 0 and 1, which represents the transparency of
each histogram. The smaller the value of n, the more transparent the histogram.
Python3import numpy as np
import matplotlib.pyplot as plt
data = np.random.normal( 170 , import 0____9import 2
import 4= import 6import 7= import 9numpy as np 0= numpy as np 2numpy as np 3= numpy as np 5import 3
numpy as np 7
Output: Phân phối bình thườngBiểu đồ phân phối bình thường được đặc trưng bởi hai tham số: & nbsp;normal distribution chart is characterized by two parameters: - Giá trị trung bình, đại diện cho giá trị tối đa của biểu đồ và biểu đồ luôn đối xứng. & NBSP;
- Và độ lệch chuẩn, xác định lượng thay đổi vượt quá giá trị trung bình. Độ lệch chuẩn nhỏ hơn (so với giá trị trung bình) xuất hiện dốc hơn, trong khi độ lệch chuẩn lớn hơn (so với giá trị trung bình) xuất hiện phẳng.
Vẽ sơ đồ phân phối bình thường - Numpy arange () được sử dụng để tạo và trả về một tham chiếu đến một thể hiện ndarray phân phối thống nhất. & Nbsp;
- Với sự trợ giúp của phương thức trung bình () và stdev (), chúng tôi đã tính toán độ lệch trung bình và tiêu chuẩn và khởi tạo theo biến và biến SD. & NBSP;mean() and stdev() method, we calculated the mean and standard deviation and initialized to mean and sd variable.
- Bên trong phương thức lô (), chúng tôi đã sử dụng một phương thức pdf () để hiển thị hàm mật độ xác suất. Phương thức pdf () này xuất hiện bên trong scipy.stats.norm. & Nbsp;pdf() for displaying the probability density function. This pdf() method present inside the scipy.stats.norm.
Example: Python3import numpy as np
import matplotlib.pyplot as plt
data = np.random.normal( 170 , import 0____9import 2
Phân phối bình thường Biểu đồ phân phối bình thường được đặc trưng bởi hai tham số: & nbsp; Giá trị trung bình, đại diện cho giá trị tối đa của biểu đồ và biểu đồ luôn đối xứng. & NBSP;
Và độ lệch chuẩn, xác định lượng thay đổi vượt quá giá trị trung bình. Độ lệch chuẩn nhỏ hơn (so với giá trị trung bình) xuất hiện dốc hơn, trong khi độ lệch chuẩn lớn hơn (so với giá trị trung bình) xuất hiện phẳng. data 4
numpy as np 7
Output: Vẽ sơ đồ phân phối bình thườngNumpy arange () được sử dụng để tạo và trả về một tham chiếu đến một thể hiện ndarray phân phối thống nhất. & Nbsp; plt.show(). Now, Let’s discuss about Plotting Normal Distribution over Histogram using Python. Với sự trợ giúp của phương thức trung bình () và stdev (), chúng tôi đã tính toán độ lệch trung bình và tiêu chuẩn và khởi tạo theo biến và biến SD. & NBSP; # Make the normal distribution fit the data:
mu, std = norm.fit (data) # mean and standard deviation Bên trong phương thức lô (), chúng tôi đã sử dụng một phương thức pdf () để hiển thị hàm mật độ xác suất. Phương thức pdf () này xuất hiện bên trong scipy.stats.norm. & Nbsp; import 2 import 3import import 5matplotlib.pyplot.xlim (*args, **kwargs)
import import 7This method uses the following parameters, as described below:
import 8= matplotlib.pyplot as plt 0matplotlib.pyplot as plt 1matplotlib.pyplot as plt 2, ____42____________matplotlib.pyplot as plt 6import 3: Use this parameter to
set xlim to the left.matplotlib.pyplot as plt 8= data 0: Use this parameter to set xlim on the right.data 1= data 3: This parameter is a text attribute that controls the appearance of the label.
Phân phối bình thường trên biểu đồ - Bây giờ, chúng tôi đã hoàn thành phân tách biểu đồ và thảo luận sơ đồ phân phối bình thường, nhưng sẽ thật tuyệt nếu chúng tôi có thể hình dung chúng trong một biểu đồ có cùng một thang đo. Điều này có thể dễ dàng đạt được bằng cách truy cập hai biểu đồ trong cùng một ô và sau đó sử dụng plt.show (). Bây giờ, hãy để thảo luận về việc vẽ sơ đồ phân phối bình thường trên Biểu đồ bằng Python. & NBSP; return a tuple of the new limit value of the x-axis.
Python3import numpy as np
data = np.random.normal( 170 , import 0____9import 2
import matplotlib.pyplot as plt
data = np.random.normal( 170 , import 0____9import 2
Phân phối bình thường import 4= import 6import 7= import 9numpy as np 0= numpy as np 2numpy as np 3= numpy as np 5import 3
Biểu đồ phân phối bình thường được đặc trưng bởi hai tham số: & nbsp; Giá trị trung bình, đại diện cho giá trị tối đa của biểu đồ và biểu đồ luôn đối xứng. & NBSP; Và độ lệch chuẩn, xác định lượng thay đổi vượt quá giá trị trung bình. Độ lệch chuẩn nhỏ hơn (so với giá trị trung bình) xuất hiện dốc hơn, trong khi độ lệch chuẩn lớn hơn (so với giá trị trung bình) xuất hiện phẳng. import 00import 01import 02= import 04import 3
Vẽ sơ đồ phân phối bình thường import 12
numpy as np 7
Output:
Làm thế nào để bạn thêm một phân phối bình thường vào một biểu đồ trong Python?
Sử dụng Scipy ... Dữ liệu = NP. ngẫu nhiên. Bình thường (0, 1, 1000) .... _, thùng, _ = plt. Lịch sử (dữ liệu, 20, mật độ = 1, alpha = 0,5) tạo biểu đồ từ `data`. Mu, Sigma = Scipy. số liệu thống kê. định mức. .... best_fit_line = scipy. số liệu thống kê. định mức. .... plt. Lô đất (Bins, Best_Fit_Line).
Làm thế nào để bạn vẽ một đường cong phân phối bình thường trong Python?
Bạn có thể sử dụng các phương pháp sau để vẽ một phân phối bình thường với thư viện trực quan hóa dữ liệu trên biển trong Python:.. Phương pháp 1: Biểu đồ biểu đồ phân phối bình thường SNS.Diễn xuất (x). Phương pháp 2: Vẽ đường cong phân phối bình thường SNS.DEVELOT (x, loại = 'kde'). Phương pháp 3: Biểu đồ biểu đồ phân phối bình thường với đường cong SNS ..
Làm thế nào để bạn phủ một phân phối bình thường qua biểu đồ trong r?
Biểu đồ với lớp phủ phân phối bình thường.. Cú pháp: Plotnormalhistogram (x, prob, col, chính, chiều dài). Tham số: X: Xác định vectơ dữ liệu cho lô..... Đầu ra: Tùy chỉnh màu sắc và kích thước..... Cú pháp: Plotnormalhistogram (X, Col, Linecol, LWD, Border). Tham số: Col: Xác định màu của các thanh của biểu đồ..... Output:. |