Histogrammit ja hajontakaaviot

Histogrammit ja hajontakaaviot ovat olennaisia työkaluja datan jakauman ja muuttujien välisten suhteiden analysointiin ja visualisointiin.

Histogrammit esittävät datan frekvenssijakauman, kun taas hajontakaaviot paljastavat kahden muuttujan välisen suhteen.

Histogrammi ryhmittelee datan luokkiin ja näyttää, kuinka usein kukin arvoalue esiintyy. Kunkin pylvään korkeus kuvaa frekvenssiä.

Histogrammi voi esimerkiksi näyttää väestön ikäjakauman.

Oletetaan, että meillä on 100 henkilön iät. Histogrammi auttaa ymmärtämään, miten nämä iät jakautuvat eri arvoalueille.

Hajontakaaviot esittävät datapisteet kaksiulotteisella tasolla. Kukin piste edustaa kahden muuttujan arvoista muodostuvaa paria.

Hajontakaavio voi esimerkiksi näyttää opiskeluun käytettyjen tuntien ja koetulosten välisen suhteen.

Tarkastellaan dataa, joka sisältää opiskelijoiden opiskeluun käyttämien tuntien määrän ja heidän koetuloksensa. Hajontakaavio voi paljastaa, onko näiden muuttujien välillä positiivinen tai negatiivinen korrelaatio vai ei korrelaatiota lainkaan.

Tässä on esimerkki histogrammin luomisesta Matplotlib-kirjastolla:

import matplotlib.pyplot as plt
import numpy as np

data = np.random.normal(50, 10, 100)
plt.hist(data, bins=10, color='blue', alpha=0.7)
plt.title('Histogram Example')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

Tässä on esimerkki hajontakaavion luomisesta Matplotlib-kirjastolla:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 50]

plt.scatter(x, y, color='red')
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Histogrammit esittävät datan jakauman, kun taas hajontakaaviot paljastavat kahden muuttujan välisiä suhteita. Molemmat ovat hyödyllisiä analyysin tavoitteesta riippuen.

Tässä oppitunnissa käsiteltiin:

• Histogrammien ja hajontakaavioiden tarkoitus.
• Niiden luominen ja analysointi Pythonilla.

Seuraavaksi opimme lämpökartoista, joiden avulla voidaan visualisoida korrelaatioita ja matriiseja.