Histogram och spridningsdiagram

Histogram och spridningsdiagram är viktiga verktyg för att analysera och visualisera datamängders fördelning och samband.

Histogram visar datafördelningens frekvens, medan spridningsdiagram visar sambandet mellan två variabler.

Ett histogram grupperar data i intervall och visar hur ofta varje värdeintervall förekommer. Höjden på varje stapel representerar frekvensen.

Ett histogram kan till exempel visa åldersfördelningen i en befolkning.

Anta att vi har åldrarna för 100 personer. Ett histogram kan hjälpa oss att förstå hur dessa åldrar är fördelade över olika intervall.

Spridningsdiagram visar datapunkter i ett tvådimensionellt plan. Varje punkt representerar ett par värden från två variabler.

Ett spridningsdiagram kan till exempel visa sambandet mellan antal timmars studier och provresultat.

Föreställ dig data som visar hur många timmar elever har studerat och deras provresultat. Ett spridningsdiagram kan visa om det finns en positiv, negativ eller ingen korrelation mellan dessa variabler.

Här är ett exempel på hur man skapar ett histogram med 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()

Här är ett exempel på hur man skapar ett spridningsdiagram med 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()

Histogram visar datafördelningen, medan spridningsdiagram visar samband mellan två variabler. Båda är värdefulla beroende på analysens mål.

I den här lektionen gick vi igenom:

• Syftet med histogram och spridningsdiagram.
• Hur man skapar och analyserar dem i Python.

Härnäst ska vi lära oss om värmekartor för att visualisera korrelationer och matriser.