中级
提供者 : Brian Higgins
3 课时 · 20m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 简体中文
课程描述
在这些课程中，您将使用Numpy库生成随机正态分布，以使用直方图进行可视化。我们将详细说明平均值、标准差和随机值的数量，以便生成用于区分图的唯一数据。您将学习如何使用Matplotlib库的Pyplot子库创建直方图并生成子图，我们将向您展示如何向直方图添加样式，如标签、标题、网格和图例。
您还将学习在同一个图表上生成多个直方图子图，包括如何在具有行和列的图上定位多个直方图，以及如何单独为每个直方图着色。最后，您将学习如何使用Scipy库在直方图上方生成核密度估计（kde）线（最佳拟合图）。
您将学到的内容
- 通过指定均值、标准差和随机值数量，使用 Numpy 库生成随机正态分布数据
- 使用 Matplotlib 的 Pyplot 子库创建直方图
- 通过添加标签、标题、网格和图例对直方图进行样式设置
- 使用行和列在同一图表上生成并定位多个直方图子图，并分别为每个子图着色
- 使用 Scipy 库在直方图上方添加核密度估计（KDE）最佳拟合曲线
关键要点
- Numpy 库通过指定均值、标准差和随机值数量来生成随机正态分布数据。
- 指定不同参数可生成独特数据，有助于区分各图表。
- Matplotlib 的 Pyplot 子库用于创建直方图和生成子图。
- 可使用行和列在同一图表上定位多个直方图子图，并分别为每个子图着色。
- Scipy 库在直方图上方生成核密度估计（KDE）最佳拟合曲线。
常见问题
本课程使用哪些库？
课程使用 Numpy 库生成随机数据，使用 Matplotlib 的 Pyplot 子库创建直方图和子图，并使用 Scipy 库生成核密度估计（KDE）最佳拟合曲线。
我将学到哪些直方图样式设置内容？
您将学习如何为直方图添加样式，例如标签、标题、网格和图例。
本课程是否涉及将多个直方图绘制在一起？
是的。您将学习在同一图表上生成多个直方图子图，包括如何使用行和列定位多个直方图并分别为每个子图着色。
本课程包含哪些课时？
课时包括：生成随机数据和第一个直方图；直方图选项；以及添加最佳拟合曲线：按组绘制子图。
本课程有助于培养哪些技能？
本课程培养计算统计、数据可视化、直方图、数值分布、概率分布和统计图形方面的技能。
