Histogrammer og spredningsdiagrammer

Histogrammer og spredningsdiagrammer er viktige verktøy for å analysere og visualisere datafordeling og sammenhenger.

Histogrammer viser frekvensfordelingen til data, mens spredningsdiagrammer viser sammenhengen mellom to variabler.

Et histogram grupperer data i intervaller og viser hvor ofte hvert verdiintervall forekommer. Høyden på hver stolpe representerer frekvensen.

Et histogram kan for eksempel vise aldersfordelingen i en befolkning.

Anta at vi har alderen til 100 personer. Et histogram kan hjelpe oss med å forstå hvordan disse alderen fordeler seg på ulike intervaller.

Spredningsdiagrammer viser datapunkter i et todimensjonalt plan. Hvert punkt representerer et par verdier fra to variabler.

Et spredningsdiagram kan for eksempel vise sammenhengen mellom antall timer med lesing og testresultater.

Se for deg data som viser hvor mange timer studenter har lest, og testresultatene deres. Et spredningsdiagram kan vise om det er en positiv, negativ eller ingen korrelasjon mellom disse variablene.

Her er et eksempel på hvordan man oppretter et histogram ved hjelp av Matplotlib:

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()

Her er et eksempel på hvordan man oppretter et spredningsdiagram ved hjelp av Matplotlib:

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()

Histogrammer viser datafordeling, mens spredningsdiagrammer viser sammenhenger mellom to variabler. Begge er nyttige, avhengig av målet med analysen.

I denne leksjonen har vi gått gjennom:

• Formålet med histogrammer og spredningsdiagrammer.
• Hvordan man oppretter og analyserer dem i Python.

Deretter skal vi lære om varmekart for å visualisere korrelasjoner og matriser.