Python: إيجاد توزيع البيانات باستخدام المدرجات التكرارية

Name: Python: إيجاد توزيع البيانات باستخدام المدرجات التكرارية
Author: Brian Higgins

ارسم توزيع البيانات مع الرسوم البيانية.

شاهد الدرس الأول مجانًا — احصل على وصول كامل إلى جميع الدروس الـ3.

دورة تدريبية: عند الطلب

مرحبًا، اسمي Brian Higgins. وفي هذه الدروس سوف تتعلم كيفية. العثور على توزيع البيانات باستخدام الرسوم البيانية. سنقوم بإنشاء بيانات عشوائية لرسمها كرسم بياني تكراري Histogram. سنضيف بعد ذلك خيارات التصميم إلى الرسوم البيانية لدينا. ثم سننشئ مخططات فرعية للرسم البياني (المدرج التكراري). في هذا الدرس، سننشئ بيانات عشوائية لرسمها كرسم بياني. أولا قد تسأل ما هو الرسم البياني؟ المدرج التكراري هو مخطط باستخدام المستطيلات. يعرض التوزيع التكراري لمجموعة من البيانات المستمرة في فترات عددية متتالية متساوية الحجم. يتيح ذلك فحص البيانات الخاصة بنوع التوزيع الخاص بها. لذلك، على سبيل المثال، التوزيع الطبيعي من الناحية الإحصائية. يمكنك أيضًا البحث عن. القيم المتطرفة والانحراف والمعلومات الإحصائية الأخرى. عادة ما يتم رسم المتغير المستقل أفقيًا. ويتم رسم المتغير التابع عموديًا. في المقابل، يعرض الرسم البياني الشريطي المختلف عن المدرج التكراري بيانات فئوية حيث يمثل كل شريط فئة. عادة ما توجد فجوة بين الأشرطة في الرسم البياني الشريطي على عكس المدرج التكراري، حيث لا توجد فجوة بين الأشرطة. لنبدأ في إجراء بعض الترميز وإنشاء رسم بياني في أول كتلة كود لدينا. هنا سنقوم باستيراد مكتبة Matplotlib. كما فعلنا من قبل، ولكن باستخدام المكتبة الفرعية Pi plot واسمنا المستعار PLT. بالإضافة إلى ذلك، في هذا التمرين، سنقوم باستيراد مكتبة NumPy Python التي يمكننا استخدامها لإنشاء توزيع عشوائي من الأرقام. سنطلق على هذه المكتبة اسم NP. دعنا ننفذ هذا الكود. حسنًا، لقد قمنا باستيراد هذه المكتبات. بعد ذلك، سننشئ توزيعًا عشوائيًا. من الأرقام التي تستخدم مكتبة NumPy هذه. لذا في هذا المثال، سننشئ. توزيع عشوائي لـ 100 رقم. لذلك سنخصص NUM ليكون القيمة 100. وسنطلق على NumPy random libraries rand function. وتمرير الرقم الذي يبلغ قيمته 100 إلى إنشاء قائمة. من 100 رقم في متغير يسمى x. دعنا ننفذ ذلك. حسنًا، وهناك ترى قائمة أرقامنا العشوائية، 100 رقم تم إنشاؤها عشوائيًا. بعد ذلك سوف نتصور هذا التوزيع العشوائي. أرقام مع مدرج تكراري. لذلك سنستدعي PLTs أو دالة Pi plots Hist الخاصة بنا ونمرر قائمتنا المكونة من 100 رقم تسمى x. وبعد ذلك سوف نظهر ذلك المخطط. حسنًا، يمكنك رؤية مخطط. الأرقام العشوائية لدينا في هذا الشكل هنا. وما سنفعله بعد ذلك هو إنشاء توزيع عشوائي عادي للأرقام باستخدام مكتبة NumPy. باستخدام هذا، يمكنك تحديد عدد الأرقام العشوائية التي تريد إنشاؤها، كما فعلنا بالفعل. ولكن بالنسبة للتوزيع الطبيعي، سيكون للأرقام العشوائية متوسط وانحراف معياري. لذلك سيكون المتوسط Mean هو المتوسط Average. لذلك سنخصص أولاً متوسطًا لقيمة صفر، وانحرافًا معياريًا لقيمة واحد، وسنولد 100 من هذه الأعداد. مرة أخرى، سنستدعي مكتبة NumPy العشوائية. هذه المرة سنستخدم الدالة العادية Normal. ونقوم بتمرير المتوسط والانحراف المعياري و100 قيمة ليتم إنشاؤها في متغير NUM الخاص بنا. وسيتم تخصيص ذلك لقائمة x الخاصة بنا. ثم نطبع قائمة الأرقام. مرة أخرى، ها هي قائمة الأعداد التي لها متوسط القيمة صفر. لذلك ستلاحظ أن القيم أقل. من وأكبر من الصفر، وذلك لأن المتوسط هو صفر. لذلك دعنا نرسم مدرج تكراري لتلك الأرقام استدعاء مرة أخرى لدالة مكتبات PLT hist الخاصة بنا وتمريرها في قائمتنا المسماة x. حسنًا، إذا لاحظت في الرسم الذي تم إنشاؤه هناك، أرقامنا. لديك متوسط حول الصفر. لذلك ستلاحظ أن أعلى شريط هناك قريب من الصفر. أخيرًا، سنقوم بإنشاء توزيع ثنائي النسق Bimodal distribution. التوزيع الثنائي للأرقام له متوسطان. إذن ما سنفعله هو إنشاء قائمتين من الأرقام العشوائية حيث كل قائمة. له المتوسط الخاص بها وسنقوم بالتسلسل. هم معًا ثم يرسمون تلك القائمة. لذلك، سيكون لكل قائمة 400 رقم. سنقوم بتعيين المتغير mu الذي يعني. Mean سيجما هو الانحراف المعياري لـ. القائمة الأولى هي عشرة و 40. القائمة الثانية Mean mu اثنين والانحراف المعياري سيجما اثنان سيكون 105. ثم ما سنفعله هو توليد. قائمتان عشوائيتان من الأرقام الموزعة بشكل طبيعي مع المتغيرات التي قمنا بتعيينها. إذن قائمتنا الأولى هي x واحد. التي لها متوسط عشرة Mean. القائمة الثانية هي x اثنان بمتوسط 100. إذن سنولد هاتين القائمتين x واحد و x اثنان. وما سنفعله بعد ذلك هو استدعاء دالة NumPy للتسلسل Concatenate وسنمرر القائمة الأولى ونضيف القائمة الثانية x اثنان إلى x واحد. وسننشئ قائمة جديدة تسمى x. ثم سنرسم مرة أخرى باستخدام دالة Hist مع هذه القائمة التي ستحتوي على 2 من المتوسطات. ومرة أخرى، هذا توزيع ثنائي النسق. وسنلقي نظرة على ذلك وسنرى أن المتوسطان واضحان من المخطط لدينا. مرة أخرى، كانت القائمة الأولى تحتوي على. متوسط حوالي عشرة. سترى ذلك كأول ارتفاع في الأشرطة. ثم الارتفاع الأخير هو قائمة الأعداد حول 100. هناك 2 من المتوسطات معروضة هنا. نشكرك على المشاهدة وترقب الدرس التالي حيث سنضيف بعض خيارات التصميم إلى المدرج التكراري الخاص بنا.

متوسط مقدِّم الخدمة : Brian Higgins 3 الدروس · 20m باللغات: العربية, الألمانية, الإنجليزية, الإسبانية, الفرنسية, البرتغالية, Chinese

وصف الدورة

في هذه الدروس، ستستخدم مكتبة Numpy لإنشاء توزيع طبيعي عشوائي لتصور مع رسم بياني. سنناقش تحديد المتوسط والانحراف المعياري وعدد القيم العشوائية من أجل إنشاء بيانات فريدة للتمييز بين المخططات. ستتعلم كيفية استخدام مكتبة Pyplot الفرعية لمكتبة Matplotlib لإنشاء رسم بياني وإنشاء مخططات فرعية، وسنوضح لك كيفية إضافة التصميم إلى رسم بياني مثل التسميات والعناوين والشبكة ووسيلة الإيضاح.

سوف تتعلم أيضًا إنشاء العديد من المخططات الفرعية للتكرار على نفس الرسم البياني، بما في ذلك كيفية وضع رسم بياني متعدد على مخطط مع صفوف وأعمدة ولون كل بشكل فردي. أخيرًا، سوف تتعلم كيفية استخدام مكتبة Scipy لإنشاء خط تقدير كثافة النواة (KDE) (أفضل مخطط ملائمة) فوق رسم بياني.

ما ستتعلمه

توليد بيانات التوزيع الطبيعي العشوائي باستخدام مكتبة Numpy عن طريق تحديد المتوسط والانحراف المعياري وعدد القيم العشوائية
إنشاء مخططات بيانية تكرارية باستخدام المكتبة الفرعية Pyplot التابعة لـ Matplotlib
تنسيق المخططات البيانية التكرارية بإضافة تسميات وعناوين وشبكة وتسمية توضيحية
توليد وتحديد موضع العديد من المخططات البيانية التكرارية الفرعية على نفس الرسم البياني باستخدام الصفوف والأعمدة، وتلوين كل منها على حدة
إضافة خط الملاءمة الأفضل لتقدير كثافة النواة KDE فوق المخطط البياني التكراري باستخدام مكتبة Scipy

النقاط الرئيسية

تُستخدم مكتبة Numpy لتوليد بيانات التوزيع الطبيعي العشوائي عن طريق تحديد المتوسط والانحراف المعياري وعدد القيم العشوائية.
يؤدي تحديد معاملات مختلفة إلى توليد بيانات فريدة تساعد في التمييز بين الرسوم البيانية.
تُستخدم المكتبة الفرعية Pyplot التابعة لـ Matplotlib لإنشاء المخططات البيانية التكرارية وتوليد الرسوم البيانية الفرعية.
يمكن وضع العديد من المخططات البيانية التكرارية الفرعية على نفس الرسم البياني باستخدام الصفوف والأعمدة، مع تلوين كل منها على حدة.
تولد مكتبة Scipy خط تقدير كثافة النواة KDE كخط ملاءمة أفضل فوق المخطط البياني التكراري.

الأسئلة الشائعة

ما المكتبات التي تستخدمها هذه الدورة؟

تستخدم الدورة مكتبة Numpy لتوليد البيانات العشوائية، والمكتبة الفرعية Pyplot التابعة لـ Matplotlib لإنشاء المخططات البيانية التكرارية والرسوم البيانية الفرعية، ومكتبة Scipy لتوليد خط الملاءمة الأفضل لتقدير كثافة النواة KDE.

ماذا سأتعلم عن تنسيق المخططات البيانية التكرارية؟

ستتعلم كيفية إضافة تنسيقات إلى المخطط البياني التكراري مثل التسميات، والعناوين، والشبكة، والتسمية التوضيحية.

هل تغطي هذه الدورة رسم مخططات بيانية تكرارية متعددة معاً؟

نعم. ستتعلم كيفية توليد عدة مخططات بيانية تكرارية فرعية على نفس الرسم البياني، بما في ذلك كيفية تحديد موضع العديد من المخططات البيانية التكرارية باستخدام الصفوف والأعمدة وتلوين كل منها بشكل منفرد.

ما الدروس المشمولة في هذه الدورة؟

الدروس هي: توليد البيانات العشوائية والمخطط البياني التكراري الأول، وخيارات المخطط البياني التكراري، وإضافة خط الملاءمة الأفضل: الرسم الفرعي حسب المجموعة.

ما المهارات التي تساعدني هذه الدورة على بنائها؟

تبني هذه الدورة المهارات في الإحصاء الحسابي، وتصور البيانات، والمخططات البيانية التكرارية، والتوزيع الرقمي، وتوزيع الاحتمالات، والرسوم البيانية الإحصائية.