1. Description de la méthode plt.hist() matplotlib
La méthode plt.hist() est une fonction de la bibliothèque de visualisation matplotlib en Python, souvent utilisée pour créer des histogrammes. Les histogrammes sont des représentations graphiques qui permettent de visualiser la distribution de données numériques en les regroupant en intervalles, puis en affichant le nombre d'occurrences (fréquence) de chaque intervalle. La méthode plt.hist() offre de nombreuses options de personnalisation pour adapter le graphique à vos besoins spécifiques. Elle est largement utilisée pour analyser et visualiser la distribution de données dans de nombreux domaines, notamment la statistique, la science des données et la recherche scientifique.
2. Syntaxe et usage de la méthode plt.hist() matplotlib
Voici une description détaillée de la syntaxe de la méthode :
|
1 2 3 4 |
plt.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, data=None, **kwargs) |
- x: C'est l'ensemble de données numériques que vous souhaitez représenter sous forme d'histogramme. Il peut s'agir d'une liste, d'un tableau NumPy, ou de tout autre objet itérable contenant des valeurs numériques.
- bins: Ce paramètre détermine la manière dont les données sont regroupées en intervalles (ou seaux) sur l'axe des x. Vous pouvez le spécifier de plusieurs manières, par exemple en fournissant un nombre entier pour le nombre total d'intervalles souhaités ou en fournissant une liste décrivant les limites de chaque intervalle.
- range: Permet de spécifier la plage (ou l'intervalle) des valeurs à considérer. Par défaut, il utilise la plage complète des données.
- density: Si défini sur True, l'aire sous l'histogramme sera égale à 1, ce qui peut être utile pour représenter une distribution de probabilité.
- weights: Permet de spécifier des poids pour chaque élément de x, ce qui peut être utilisé pour donner une importance différente à chaque point de données.
- cumulative: Si défini sur True, l'histogramme sera cumulatif, montrant la distribution cumulative plutôt que la distribution normale.
- histtype: Vous pouvez spécifier le type d'histogramme à afficher, parmi les options comme 'bar', 'barstacked', 'step', 'stepfilled', etc.
- align: Détermine l'alignement des barres de l'histogramme par rapport aux intervalles. Les options incluent 'left', 'mid', et 'right'.
- orientation: Vous pouvez choisir de créer un histogramme vertical ('vertical') ou horizontal ('horizontal').
- rwidth: Définit la largeur relative des barres de l'histogramme. Il peut être utilisé pour ajuster l'espace entre les barres.
- log: Si défini sur True, les échelles logarithmiques seront utilisées pour les axes.
- color: Vous pouvez spécifier la couleur des barres de l'histogramme.
- label: Ajoute une étiquette à l'histogramme pour la légende.
- stacked: Si défini sur True, les barres d'histogramme seront empilées les unes sur les autres pour montrer la contribution de chaque groupe.
- data: Permet de spécifier un objet de données Pandas pour les données.
- **kwargs: Vous pouvez également passer d'autres arguments graphiques pour personnaliser davantage l'histogramme.
3. Exemples d'usages de la méthode plt.hist() matplotlib
Voici un exemple simple d'utilisation de la méthode plt.hist() pour créer un histogramme à partir de données numériques en utilisant la bibliothèque matplotlib :
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
import matplotlib.pyplot as plt import numpy as np # Génération de données aléatoires (distribution normale) data = np.random.randn(1000) # Création de l'histogramme plt.hist(data, bins=20, color='blue', alpha=0.7) plt.title('Histogramme de données aléatoires') plt.xlabel('Valeurs') plt.ylabel('Fréquence') plt.grid(True) # Affichage de l'histogramme plt.show() |
Explication:
- Nous importons matplotlib.pyplot et numpy: pour générer des données aléatoires.
- A l'aide de np.random.randn(1000): Nous créons ensuite un ensemble de données aléatoires
- Ensuite à l'aide de plt.hist(): Nous créons un histogramme de ces données.
- bins=20 : spécifie que nous voulons diviser les données en 20 intervalles.
- color='blue' : définit la couleur des barres de l'histogramme.
- alpha=0.7 : contrôle la transparence des barres.
- plt.title() : Ajoute un titre au graphique
En exécutant ce code, vous obtiendrez un histogramme représentant la distribution des données aléatoires générées:
Vous pouvez ajuster les paramètres comme bins, color, et d'autres pour personnaliser davantage l'histogramme en fonction de vos besoins spécifiques.
Younes Derfoufi
CRMEF OUJDA
