Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment créer un graphique Ogive en Python



Une ogive est un graphique qui montre combien de valeurs de données se situent au-dessus ou en dessous d’une certaine valeur dans un ensemble de données. Ce tutoriel explique comment créer une ogive en Python.

Exemple : Comment créer une Ogive en Python

Effectuez les étapes suivantes pour créer une ogive pour un ensemble de données en Python.

Étape 1 : Créez un ensemble de données.

Tout d’abord, nous pouvons créer un ensemble de données simple.

import numpy as np

#create array of 1,000 random integers between 0 and 10
np.random.seed(1)
data = np.random.randint(0, 10, 1000)

#view first ten values 
data[:10]

array([5, 8, 9, 5, 0, 0, 1, 7, 6, 9])

Étape 2 : Créez une ogive.

Ensuite, nous pouvons utiliser la fonction numpy.histogram pour trouver automatiquement les classes et les fréquences de classe. Ensuite, nous pouvons utiliser matplotlib pour créer l’ogive :

import numpy as np
import matplotlib.pyplot as plt 

#obtain histogram values with 10 bins
values, base = np.histogram(data, bins=10)

#find the cumulative sums
cumulative = np.cumsum(values)

# plot the ogive
plt.plot(base[:-1], cumulative, 'ro-')

Graphique Ogive en Python

Le graphique en ogive aura un aspect différent en fonction du nombre de cases que nous spécifions dans la fonction numpy.histogram . Par exemple, voici à quoi ressemblerait le graphique si nous utilisions 30 groupes :

#obtain histogram values with 30 bins
values, base = np.histogram(data, bins=10)

#find the cumulative sums
cumulative = np.cumsum(values)

# plot the ogive
plt.plot(base[:-1], cumulative, 'ro-')

Ogive en exemple python

L’argument ‘ ro-‘ précise :

  • Utilisez la couleur rouge (r)
  • Utilisez des cercles à chaque pause de cours (o)
  • Utilisez des lignes pour relier les cercles (-)

N’hésitez pas à modifier ces options pour changer l’esthétique du graphique.

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *