Quelques fonctionnalités de la fonction histogramme (hist) #

En plus de l'histogramme de base, cette démo montre quelques fonctionnalités facultatives :

Définition du nombre de tranches de données.
Le paramètre de densité , qui normalise les hauteurs de casier de sorte que l'intégrale de l'histogramme soit 1. L'histogramme résultant est une approximation de la fonction de densité de probabilité.

La sélection de différents nombres et tailles de bacs peut affecter de manière significative la forme d'un histogramme. Les documents Astropy ont une excellente section sur la façon de sélectionner ces paramètres.

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(19680801)

# example data
mu = 100  # mean of distribution
sigma = 15  # standard deviation of distribution
x = mu + sigma * np.random.randn(437)

num_bins = 50

fig, ax = plt.subplots()

# the histogram of the data
n, bins, patches = ax.hist(x, num_bins, density=True)

# add a 'best fit' line
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
     np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
ax.plot(bins, y, '--')
ax.set_xlabel('Smarts')
ax.set_ylabel('Probability density')
ax.set_title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

# Tweak spacing to prevent clipping of ylabel
fig.tight_layout()
plt.show()

$Histogramme du QI : $\mu=100$, $\sigma=15$$

Références

L'utilisation des fonctions, méthodes, classes et modules suivants est illustrée dans cet exemple :

Galerie générée par Sphinx-Gallery