ฮิสโตแกรมและแผนภาพกระจาย

ฮิสโตแกรมและแผนภาพกระจายเป็นเครื่องมือสำคัญสำหรับวิเคราะห์และแสดงการกระจายตัวและความสัมพันธ์ของข้อมูล

ฮิสโตแกรมแสดงการแจกแจงความถี่ของข้อมูล ส่วนแผนภาพกระจายจะแสดงให้เห็นความสัมพันธ์ระหว่างตัวแปรสองตัว

ทำความเข้าใจฮิสโตแกรม

ฮิสโตแกรมจัดกลุ่มข้อมูลเป็นช่วง และแสดงว่าค่าที่อยู่ในแต่ละช่วงเกิดขึ้นบ่อยเพียงใด ความสูงของแท่งแต่ละแท่งแสดงถึงความถี่

ตัวอย่างเช่น ฮิสโตแกรมสามารถแสดงการกระจายตัวของอายุในประชากรกลุ่มหนึ่งได้

ตัวอย่างฮิสโตแกรม

ลองจินตนาการว่าเรามีข้อมูลอายุของคน 100 คน ฮิสโตแกรมจะช่วยให้เราเข้าใจว่าอายุเหล่านี้กระจายตัวอยู่ในช่วงต่าง ๆ อย่างไร

ทำความเข้าใจแผนภาพกระจาย

แผนภาพกระจายแสดงจุดข้อมูลบนระนาบสองมิติ จุดแต่ละจุดแทนคู่ค่าจากตัวแปรสองตัว

ตัวอย่างเช่น แผนภาพกระจายสามารถแสดงความสัมพันธ์ระหว่างจำนวนชั่วโมงที่ใช้ศึกษาและคะแนนการทดสอบได้

ตัวอย่างแผนภาพกระจาย

พิจารณาข้อมูลที่แสดงจำนวนชั่วโมงที่นักเรียนศึกษาและคะแนนการทดสอบของนักเรียนเหล่านั้น แผนภาพกระจายสามารถเผยให้เห็นว่าตัวแปรเหล่านี้มีสหสัมพันธ์เชิงบวก เชิงลบ หรือไม่มีสหสัมพันธ์กัน

การสร้างฮิสโตแกรมใน Python

ต่อไปนี้คือตัวอย่างการสร้างฮิสโตแกรมโดยใช้ 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()

การสร้างแผนภาพกระจายใน Python

ต่อไปนี้คือตัวอย่างการสร้างแผนภาพกระจายโดยใช้ 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()

การเปรียบเทียบฮิสโตแกรมและแผนภาพกระจาย

ฮิสโตแกรมแสดงการกระจายตัวของข้อมูล ในขณะที่แผนภาพกระจายเผยให้เห็นความสัมพันธ์ระหว่างตัวแปรสองตัว ทั้งสองรูปแบบมีประโยชน์ โดยขึ้นอยู่กับเป้าหมายของการวิเคราะห์

สรุปและขั้นตอนถัดไป

ในบทเรียนนี้ เราได้กล่าวถึง:

• จุดประสงค์ของฮิสโตแกรมและแผนภาพกระจาย
• วิธีสร้างและวิเคราะห์ฮิสโตแกรมกับแผนภาพกระจายใน Python

ถัดไป เราจะเรียนรู้เกี่ยวกับแผนที่ความร้อนเพื่อแสดงภาพสหสัมพันธ์และเมทริกซ์