المدرجات التكرارية

جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 27 من 60.

اثنتا عشرة مكالمة لمكتب الدعم، بالدقائق. يوضّح المدرّج التكراري كيفية توزيع أعداد كهذه: يقسّم مداها إلى فئات متساوية ويحصي القيم في كل منها:

calls = [2, 3, 3, 4, 5, 5, 6, 6, 6, 7, 9, 14]
fig, ax = plt.subplots()
counts, edges, bars = ax.hist(calls, bins=4)
print(counts)
print(edges)
plt.show()

مدرّج تكراري لمدة 12 مكالمة موزعة على 4 فئات، بحدود 2 و5 و8 و11 و14: أعمدة تضم 4 و6 و1 و1 مكالمات

تستغرق معظم المكالمات من دقيقتين إلى 8 دقائق. وتُرجع ax.hist أيضًا القيم التي أحصتها، لذا يطبع هذا:

[4. 6. 1. 1.]
[ 2.  5.  8. 11. 14.]

تحتاج 4 صناديق إلى 5 edges. تنتقل القيمة الواقعة على حدٍّ فاصل إلى الصندوق الذي على يمينه، باستثناء أكبر قيمة، التي تبقى في الصندوق الأخير.

التحدي

متوسط

وزن بستان 120 تفاحة ووضع أوزانها في weights (بالغرامات). يقرأ البرنامج عدد الفئات؛ ويُعدّ الرسم البياني ذا عنوان وتسميات، ثم يعرضه.

ارسم مدرجًا تكراريًا لـ weights باستخدام ذلك العدد من الفئات، مع الاحتفاظ بما تُرجعه ax.hist.
اطبع حدود الفئة الأكثر امتلاءً، بعد التقريب إلى منزلة عشرية واحدة، وعدد التفاح فيها، كما هو موضح أدناه.

لبستان آخر و6 فئات، يطبع البرنامج هذا السطر، ثم يصف Coddy الرسم البياني:

Fullest bin: 153.6 to 167.8 g, 38 apples

ويبدو الرسم البياني هكذا:

مدرج تكراري بعنوان Apple Weights، يتضمن 6 أعمدة تمتد من نحو 125 إلى 210 غرامات، وأعلى عمود، ويضم 38 تفاحة، يقع بين 154 و168 غرامًا

جرّب بنفسك

import numpy as np
import matplotlib.pyplot as plt

bins = int(input())

# لا تغيّر الأسطر أدناه
rng = np.random.default_rng(11)
weights = rng.normal(150, 20, size=120)
fig, ax = plt.subplots()
ax.set_title("Apple Weights")
ax.set_xlabel("Weight (g)")
ax.set_ylabel("Apples")

# اكتب الكود الخاص بك أدناه

# لا تغيّر السطر أدناه
plt.show()