Matplotlib में डिस्ट्रीब्यूशन प्लॉट कैसे बनाएं

पायथन में वितरण आरेख बनाने के दो सामान्य तरीके हैं:

विधि 1: मैटप्लोटलिब का उपयोग करके एक हिस्टोग्राम बनाएं

 import matplotlib. pyplot as plt

plt. hist (data, color=' lightgreen ', ec=' black ', bins= 15 )

ध्यान दें कि रंग बार के भरण रंग को नियंत्रित करता है, ec बार किनारों के रंग को नियंत्रित करता है, और डिब्बे हिस्टोग्राम में डिब्बे की संख्या को नियंत्रित करते हैं।

विधि 2: सीबॉर्न का उपयोग करके घनत्व वक्र के साथ एक हिस्टोग्राम बनाएं

 import seaborn as sns
sns. displot (data, kde= True , bins= 15 )

ध्यान दें कि kde=True निर्दिष्ट करता है कि हिस्टोग्राम पर एक घनत्व वक्र लगाया जाना चाहिए।

निम्नलिखित उदाहरण दिखाते हैं कि निम्नलिखित NumPy सरणी में मानों के वितरण की कल्पना करने के लिए व्यवहार में प्रत्येक विधि का उपयोग कैसे करें:

 import numpy as np

#make this example reproducible.
n.p. random . seed ( 1 )

#create numpy array with 1000 values that follows normal dist with mean=10 and sd=2
data = np. random . normal (size= 1000 , loc= 10 , scale= 2 )

#view first five values
data[: 5 ]

array([13.24869073, 8.77648717, 8.9436565, 7.85406276, 11.73081526])

उदाहरण 1: मैटप्लोटलिब का उपयोग करके एक हिस्टोग्राम बनाएं

हम NumPy सरणी में मानों के वितरण की कल्पना करने के लिए Matplotlib में हिस्टोग्राम बनाने के लिए निम्नलिखित कोड का उपयोग कर सकते हैं:

 import matplotlib. pyplot as plt

#create histogram
plt. hist (data, color=' lightgreen ', ec=' black ', bins= 15 )

एक्स-अक्ष NumPy सरणी से मान प्रदर्शित करता है और y-अक्ष इन मानों की आवृत्ति प्रदर्शित करता है।

ध्यान दें कि आप बिन्स तर्क के लिए जितना बड़ा मान उपयोग करेंगे, हिस्टोग्राम में उतने ही अधिक बार होंगे।

उदाहरण 2: सीबॉर्न का उपयोग करके घनत्व वक्र के साथ एक हिस्टोग्राम बनाएं

हम सीबॉर्न डेटा विज़ुअलाइज़ेशन लाइब्रेरी का उपयोग करके घनत्व वक्र के साथ एक हिस्टोग्राम बनाने के लिए निम्नलिखित कोड का उपयोग कर सकते हैं:

 import seaborn as sns

#create histogram with density curve overlaid
sns. displot (data, kde= True , bins= 15 ) 

परिणाम एक हिस्टोग्राम है जिस पर एक घनत्व वक्र आरोपित होता है।

घनत्व वक्र का उपयोग करने का लाभ यह है कि यह एकल सतत वक्र का उपयोग करके वितरण के आकार को सारांशित करता है।

नोट : आप सीबॉर्न डिस्प्लॉट() फ़ंक्शन के लिए संपूर्ण दस्तावेज़ यहां पा सकते हैं।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल बताते हैं कि पायथन में अन्य सामान्य चार्ट कैसे बनाएं:

मैटप्लोटलिब में स्टैक्ड बार चार्ट कैसे बनाएं
Matplotlib में सापेक्ष आवृत्ति हिस्टोग्राम कैसे बनाएं
सीबॉर्न में क्षैतिज बारप्लॉट कैसे बनाएं