Histogram

Termasuk bagian Data dan Plot dalam perjalanan Machine Learning di Coddy. Pelajaran 27 dari 60.

Dua belas panggilan ke pusat bantuan, dalam menit. Histogram menunjukkan persebaran angka seperti ini: histogram membagi rentangnya menjadi bin dengan ukuran yang sama, lalu menghitung nilai di setiap bin:

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()

Histogram durasi 12 panggilan dalam 4 bin dengan batas 2, 5, 8, 11, dan 14: batang menunjukkan 4, 6, 1, dan 1 panggilan

Sebagian besar pemanggilan berlangsung selama 2 hingga 8 menit. ax.hist juga mengembalikan jumlah yang dihitungnya, jadi ini mencetak:

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

4 bin membutuhkan 5 edges. Nilai yang berada tepat di tepi masuk ke bin di sebelah kanannya, kecuali nilai terbesar, yang tetap berada di bin terakhir.

Tantangan

Sedang

Sebuah kebun buah menimbang 120 apel ke dalam weights (gram). Program membaca jumlah bin; kode awal menyiapkan grafik dengan judul dan label, lalu menampilkannya.

Buat histogram weights dengan jumlah bin tersebut, dan simpan nilai yang dikembalikan oleh ax.hist.
Cetak batas-batas bin yang paling penuh, dibulatkan ke 1 angka desimal, serta jumlah apel di dalamnya, seperti di bawah.

Untuk kebun buah lain dan 6 bin, program mencetak baris ini, lalu Coddy menjelaskan grafiknya:

Fullest bin: 153.6 to 167.8 g, 38 apples

Dan grafiknya terlihat seperti ini:

Histogram berjudul Apple Weights dengan 6 batang dari sekitar 125 hingga 210 gram. Batang tertinggi, berisi 38 apel, berada antara 154 dan 168 gram

Coba sendiri

import numpy as np
import matplotlib.pyplot as plt

bins = int(input())

# Jangan ubah baris-baris di bawah ini
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")

# Tulis kodemu di bawah ini

# Jangan ubah baris di bawah ini
plt.show()