直方图

本课属于 Coddy Machine Learning 学习旅程的“数据与图表”单元。第 27 课，共 60 课。

十二次服务台来电的通话时长，单位为分钟。直方图可以展示这类数字的分布情况：它将数值范围分成相等的区间，并统计每个区间中的值：

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()

将 12 次来电时长分为 4 个区间的直方图，区间边界为 2、5、8、11 和 14：各区间分别有 4、6、1 和 1 次来电

大多数调用需要 2 到 8 分钟。ax.hist 还会返回它统计的内容，因此会打印：

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

4 个区间需要 5 个 edges。落在边界上的值会进入右侧的区间，但最大值除外，它会留在最后一个区间。

挑战

中等

果园称量了 120 个苹果，并将重量记录在 weights 中，单位为克。程序会读取分箱数量；起始代码会设置好带标题和标签的图表，并将其显示出来。

使用指定数量的分箱绘制 weights 的直方图，并保留 ax.hist 返回的内容。
按下方所示，打印最满分箱的边界（四舍五入到小数点后 1 位）及其计数。

换一个果园并使用 6 个分箱时，程序会打印下面这一行，然后 Coddy 会描述图表：

Fullest bin: 153.6 to 167.8 g, 38 apples

图表如下所示：

标题为 Apple Weights 的直方图，共有 6 个柱，范围约为 125 到 210 克；最高的柱表示 154 到 168 克之间有 38 个苹果

亲手试试

import numpy as np
import matplotlib.pyplot as plt

bins = int(input())

# 不要修改下面的代码行
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")

# 在下面编写你的代码

# 不要修改下面的代码行
plt.show()