直方图

本文探讨了直方图在数据分析中的应用,详细介绍了直方图如何展示数据的分布,包括如何通过normed参数将频数转换为概率,以及核密度估计(KDE)如何提高精度。此外,还提供了使用random生成随机数百分比直方图的方法,并强调了bins参数对直方图精细化的影响。最后,提到了针对男性和女性消费账单分布状况的绘制案例。
摘要由CSDN通过智能技术生成

直方图

data = Series(data=np.random.randn(1000))
data.plot(kind='hist')

在这里插入图片描述
直方图:统计的是每个数据区间,数据出现的次数
normed:把次数转换成可能出现的概率
核密度估计,把每个数据区间可能出现的概率进行统计

data.plot(kind='hist', bins=5, normed=True)
data.plot(kind='kde')
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值