直方图和 Scatter 图

直方图和散点图是分析和可视化数据分布及其关系的重要工具。

直方图显示数据的频数分布，而散点图揭示两个变量之间的关系。

了解直方图

直方图将数据分组到多个区间中，并显示每个数值范围出现的频率。每个柱子的高度表示频率。

例如，直方图可以显示某个群体的年龄分布。

直方图示例

假设我们有 100 个人的年龄数据。直方图可以帮助我们了解这些年龄在不同范围内的分布情况。

了解散点图

散点图在二维平面上显示数据点。每个点表示两个变量中的一对数值。

例如，散点图可以显示学习时长与测试分数之间的关系。

散点图示例

请考虑一组记录学生学习时长及其测试分数的数据。散点图可以揭示这些变量之间是否存在正相关、负相关或无相关性。

在 Python 中创建直方图

以下是使用 Matplotlib 创建直方图的示例：

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()

在 Python 中创建 Scatter 图

以下是使用 Matplotlib 创建散点图的示例：

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()

比较直方图和散点图

直方图展示数据分布，而散点图揭示两个变量之间的关系。根据分析目标的不同，这两种图表都很有价值。

总结与后续步骤

在本课中，我们学习了：

• 直方图和散点图的用途。
• 如何在 Python 中创建和分析这些图表。

接下来，我们将学习如何使用 heatmap 可视化相关性和矩阵。