IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی
IRE: Inductive Rule Extraction

IRE: Inductive Rule Extraction

استخراج قانون استقرائی

رسم نمودار هیستوگرام در پایتون

نمودار هیستوگرام یک نمایش دقیق از توزیع داده‌های عددی است. این نمودار تخمینی از توزیع احتمال متغیر پیوسته است و برای اولین بار توسط کارل پیرسون معرفی شده است.   تفاوت نمودار هیستوگرام با نمودار میله‌ای در این است که یک نمودار میله‌ای رابطه دو متغیر را با هم نشان می‌دهد. اما هیستوگرام تنها به یک متغیر مربوط می‌شود.

import matplotlib.pyplot as plt  

 # frequencies  

ages = [2,5,70,40,30,45,50,45,43,40,44,  

        60,7,13,57,18,90,77,32,21,20,40]  

 # setting the ranges and no. of intervals  

range = (0, 100)  

bins = 5 

 # plotting a histogram  

plt.hist(ages, bins, range, color ='red',  

        histtype = 'bar', rwidth = 0.8)  

 # x-axis label  

plt.xlabel('age')  

# frequency label  

plt.ylabel('No. of people')  

# plot title  

plt.title('My histogram')  

 # function to show the plot  

()plt.show

شکل حاصل از کد بالا نمودار هیستوگرامی است که فراوانی تعداد افراد در هر بازه سنی روی محور افقی را نمایش می‌دهد:

در این نمودار:

از تابع hist برای رسم هیستوگرام استفاده می‌کنیم. تعداد تکرار با لیست ages ارسال شده‌اند. رنج و محدوده می‌تواند با تعریف ساختار داده تاپل شامل مقادیر مینیمم و ماکسیمم تعیین شود. مرحله بعدی اختصاص دادن یا به اصطلاح bin کردن رنج مقادیر که همان تقسیم کل محدوده بر روی بازه‌ها است. و سپس شمردن این که چه تعداد از مقادیر در هر بازه وجود دارد. 

نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد