Quantitative Vergleiche: Histogramme

Einführung in die Datenvisualisierung mit Matplotlib

Ariel Rokem

Data Scientist

Histogramme

Schon wieder ein Balkendiagramm

fig, ax = plt.subplots()

ax.bar("Rowing", mens_rowing["Height"].mean())

ax.bar("Gymnastics", mens_gymnastics["Height"].mean())

ax.set_ylabel("Height (cm)")
plt.show()

Histogramme

fig, ax = plt.subplots()

ax.hist(mens_rowing["Height"])

ax.hist(mens_gymnastics["Height"])

ax.set_xlabel("Height (cm)")
ax.set_ylabel("# of observations")
plt.show()

Wir brauchen Label

ax.hist(mens_rowing["Height"], label="Rowing")
ax.hist(mens_gymnastics["Height"], label="Gymnastics")
ax.set_xlabel("Height (cm)")
ax.set_ylabel("# of observations")

ax.legend()
plt.show()

Histogramme anpassen: Anzahl der Bins festlegen

ax.hist(mens_rowing["Height"], label="Rowing", bins=5)
ax.hist(mens_gymnastics["Height"], label="Gymnastics", bins=5)
ax.set_xlabel("Height (cm)")
ax.set_ylabel("# of observations")
ax.legend()
plt.show()

Histogramme anpassen: Bin-Grenzen festlegen

ax.hist(mens_rowing["Height"], label="Rowing",
        bins=[150, 160, 170, 180, 190, 200, 210])

ax.hist(mens_gymnastics["Height"], label="Gymnastics",
        bins=[150, 160, 170, 180, 190, 200, 210])

ax.set_xlabel("Height (cm)")
ax.set_ylabel("# of observations")
ax.legend()
plt.show()

Histogramme anpassen: Transparenz

ax.hist(mens_rowing["Height"], label="Rowing",
        bins=[150, 160, 170, 180, 190, 200, 210],
        histtype="step")

ax.hist(mens_gymnastics["Height"], label="Gymnastics",
        bins=[150, 160, 170, 180, 190, 200, 210],
        histtype="step")

ax.set_xlabel("Height (cm)")
ax.set_ylabel("# of observations")
ax.legend()
plt.show()

Histogramm mit einem Histogrammtyp „step“

Erstelle dein eigenes Histogramm!

Einführung in die Datenvisualisierung mit Matplotlib