Histogramlar

Coddy'nin Machine Learning Journey'sinin Veriler ve Grafikler bölümünün bir parçası. Ders 27 / 60.

On iki yardım masası aramasının dakika cinsinden süreleri. Histogram, bunlar gibi sayıların nasıl dağıldığını gösterir: sayıların aralığını eşit aralıklara böler ve her aralıktaki değerleri sayar:

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()

Kenarları 2, 5, 8, 11 ve 14 olan 4 aralıkta 12 arama süresini gösteren histogram: aramalardan oluşan 4, 6, 1 ve 1 yüksekliklerinde çubuklar

Çoğu çağrı 2 ila 8 dakika sürer. ax.hist ayrıca saydığı değerleri de döndürür; bu nedenle şu çıktıyı verir:

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

4 kutu için 5 edges gerekir. Bir sınırda bulunan değer, en büyük değer hariç, sağındaki kutuya gider; en büyük değer ise son kutuda kalır.

Görev

Orta

Bir meyve bahçesinde 120 elma tartılarak weights (gram) içine kaydedildi. Program, bölme sayısını okur; başlangıç kodu başlıklı ve etiketli grafiği ayarlar ve gösterir.

weights için bu sayıda bölme kullanarak bir histogram çizin ve ax.hist işlevinin döndürdüklerini saklayın.
Aşağıdaki gibi, en dolu bölmenin sınırlarını 1 ondalık basamağa yuvarlayarak ve elma sayısını yazdırın.

Başka bir meyve bahçesi ve 6 bölme için program bu satırı yazdırır, ardından Coddy grafiği açıklar:

Fullest bin: 153.6 to 167.8 g, 38 apples

Grafik de şöyle görünür:

Apple Weights başlıklı, yaklaşık 125 ile 210 gram arasında 6 çubuk içeren bir histogram; en yüksek çubuk 154 ile 168 gram arasında ve 38 elma gösteriyor

Kendin dene

import numpy as np
import matplotlib.pyplot as plt

bins = int(input())

# Aşağıdaki satırları değiştirmeyin
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")

# Kodunuzu aşağıya yazın

# Aşağıdaki satırı değiştirmeyin
plt.show()