直方图的绘制

这是第二次作业了，希望比起之前能取得一些进步！

首先来做的是体重数据集

#导入模块阶段
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

导入模块的作用是只要导入了一个模块，就可以引用它的任何公共的函数、类或属性。以上的四条命令含义是：

• 导入pandas模块作为pd
• 导入numpy模块作为np
• 导入matplotlib模块的pyplot命令作为plt
• 从scipy模块导入stats命令。

#导入数据
weight_data = pd.read_table('C:\\Users\\dell01\\Desktop\\weight.txt')

数据的导入和我之前使用的R语言基本相同

weight_data.shape

(80, 1)

我对shape命令的理解是展现数据结构，即数据为一个80*1的矩阵（或称之为列向量）

weight.mean()
weight.var()

---------------------------------------------------------------------------

NameError                                 Traceback (most recent call last)

<ipython-input-4-967b4d554b7e> in <module>()
----> 1 weight.mean()
      2 weight.var()


NameError: name 'weight' is not defined

在这里遇到了第一个也是最常见的的错误——没有定义变量

#定义weight变量
weight = weight_data['weight']

weight.mean()
weight.var()

39.27594936708859

接下来我遇到了第二个问题，同时把weight.mean()和weight.var()放在同一个区块中运行，结果只输出了方差的值，于是我将二者分进不同区块就能很好地得到结果

#均值
weight.mean()

50.7

#方差
weight.var()

39.27594936708859

#作出直方图
plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(weight,bins=15,rwidth=0.9)
plt.title('体重')
plt.show()

weight1.png

接下来通过改变bins值来得到不同的直方图

#改变bins值作出直方图
plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(weight,bins=10,rwidth=0.9)
plt.title('体重')
plt.show()

weight2.png

plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(weight,bins=20,rwidth=0.9)
plt.title('体重')
plt.show()

weight3.png

由直方图的结果我们可以看出，bins的数值影响着组距，即bins的数值为分组的个数

接下来来研究飞机乘客数据集

#导入数据
AirPassengers_data = pd.read_csv('C:\\Users\\dell01\\Desktop\\AirPassengers.csv')

AirPassengers_data.shape

(144, 2)

导入数据与之前基本相同，区别是这次的数据为csv格式，命令从read_table改为read_csv，该数据为一个144*2的矩阵

passengers = AirPassengers_data['NumPassengers']
mouth = AirPassengers_data['Month']

#均值
passengers.mean()

280.2986111111111

#方差
passengers.var()

14391.917200854701

#作出直方图
plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(passengers,bins=15,rwidth=0.9)
plt.title('乘客')
plt.show()

passengers1

#改变bins值作出直方图
plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(passengers,bins=10,rwidth=0.9)
plt.title('乘客')
plt.show()

passengers2.png

plt.rcParams['font.sans-serif']=['SimHei']
plt.hist(passengers,bins=20,rwidth=0.9)
plt.title('乘客')
plt.show()

passengers3.png

同样，通过改变bins值得到不同的直方图

对于体重数据集，我们可以得到它的均值为50.7，方差为39.28，由直方图可以看出该数据中间高两边低，体重在45~50之间的人群人数最为庞大，可见该人群整体偏瘦。

对于飞机乘客数据集，我们可以得到均值为280，方差为14391，而由直方图可以得到数据在100_{200之间出现频数最多，在500}600间出现频数最少，由乘客人数从低到高依次排列，频数呈下降趋势。由数据信息可得，该数据为从1949年到1960年各月乘飞机的乘客人数数据，根据观察可得，从1949年到1953年之间，各月出游乘客人数多集中于100~200之间，而在1953年之后出游人数明显有所提升，而出游乘客人数高于500的月份多集中于1960年，这也正是导致直方图呈递减趋势的原因。

这次作业对于一个第一次用Python的新手来说上手还是挺麻烦的，安装和调用Anaconda和Jupyter Notebook也挺懵逼的，多亏余博士的教学和群里各位的讨论，让我在做作业时少走不少弯路，同时坚持使用Markdown也让我逐渐适应起来，希望能做到tiger所说的be better。