hist - janehlenb/Projektarbeit-ChatGPT-Python GitHub Wiki
Einführung
In diesem Abschnitt unseres Tutorials werden wir uns mit einem spannenden Thema befassen: dem hist Plot in Matplotlib.
Der hist Plot, oder wie ich ihn gerne nenne, der "Histinator", ist ein mächtiges Werkzeug in der Datenvisualisierung. Mit ihm kannst du deine Daten in Form von Histogrammen darstellen. Moment mal, Histogramm? Klingt wie ein gruseliger Kuchen, oder? Aber nein, das hat nichts mit Gebäck zu tun. Ein Histogramm ist einfach eine Art, Daten in verschiedene Gruppen einzuteilen und zu zeigen, wie viele Elemente in jede Gruppe fallen. Ganz ähnlich wie eine Ladung Gummibären, die in verschiedenen Farben in einer Schüssel verteilt sind.
Warum ist das wichtig? Nun, Histogramme helfen uns dabei, Datenmuster und Verteilungen zu verstehen. Sie ermöglichen es uns, die Häufigkeit von Werten in einem Datensatz zu visualisieren und wichtige Informationen daraus abzuleiten. Wenn du jemals vor einem Haufen Zahlen gesessen hast und dachtest: "Mann, ich wünschte, ich könnte das besser verstehen", dann ist der Histinator dein neuer bester Freund!
In diesem Tutorial werden wir lernen, wie man den Histinator benutzt, um Daten zu visualisieren und interessante Erkenntnisse zu gewinnen. Also schnall dich an und lass uns loslegen!
Theorie
Die Grundlagen
Bevor wir in den Code eintauchen, lass uns die grundlegenden Konzepte hinter dem hist Plot verstehen. Ein Histogramm besteht aus Säulen, die verschiedene Bereiche der Daten repräsentieren. Jede Säule zeigt die Anzahl der Datenpunkte an, die in diesem Bereich liegen. Es ist wie eine Art Zählmaschine für Daten!
Um ein Histogramm zu erstellen, müssen wir zuerst unsere Daten in sogenannte "Bins" aufteilen. Ein Bin ist ein Bereich, in dem die Daten gruppiert werden. Zum Beispiel könnten wir Bins für verschiedene Altersgruppen festlegen, wenn wir Daten über Menschen haben. Der Histinator wird dann die Daten zählen, die in jeden Bin fallen, und die Höhe der Säule entsprechend anpassen.
Code-Beispiel: Einfaches Histogramm
Um das Ganze besser zu verstehen, werfen wir einen Blick auf ein einfaches Code-Beispiel. Angenommen, wir haben eine Liste von Noten, die wir in einem Kurs erhalten haben:
noten = [85, 92, 78, 89, 95, 88, 76, 82, 90, 93, 87, 84, 79, 91]
Nun wollen wir diese Noten in einem Histogramm darstellen. Hier ist der Code, um das zu erreichen:
import matplotlib.pyplot as plt
plt.hist(noten)
plt.xlabel('Noten')
plt.ylabel('Anzahl der Schüler')
plt.title('Verteilung der Noten')
plt.show()
Schau dir das an! Mit nur wenigen Zeilen Code haben wir ein schickes Histogramm unserer Noten erstellt. Die X-Achse zeigt die Noten an, während die Y-Achse die Anzahl der Schüler angibt, die diese Note erhalten haben. Das ist doch ziemlich cool, oder?
Code-Beispiel: Angepasstes Histogramm
Aber warte, es gibt noch mehr! Der Histinator bietet uns viele Möglichkeiten, unsere Histogramme anzupassen. Zum Beispiel können wir die Anzahl der Bins ändern, um die Genauigkeit unserer Darstellung zu beeinflussen. Schau dir dieses Beispiel an:
plt.hist(noten, bins=5) # Nur 5 Bins diesmal
plt.xlabel('Noten')
plt.ylabel('Anzahl der Schüler')
plt.title('Verteilung der Noten')
plt.show()
Hier haben wir die Anzahl der Bins auf 5 reduziert. Dadurch werden die Daten in weniger Gruppen aufgeteilt, und die Säulen werden breiter. Es ist wie die Verwendung von größeren Schüsseln für die Gummibären – jede Schüssel enthält mehr, aber wir haben weniger Schüsseln insgesamt.
Du kannst auch die Farbe der Säulen ändern, Beschriftungen hinzufügen und noch viele andere Anpassungen vornehmen. Die Möglichkeiten sind nahezu endlos!
Praxis
Jetzt bist du dran, deine neu gewonnenen Fähigkeiten unter Beweis zu stellen! Hier sind zwei Aufgaben für dich:
Aufgabe 1
Gegeben ist eine Liste von Temperaturen an verschiedenen Tagen: [24, 26, 22, 28, 27, 25, 23]. Erstelle ein Histogramm, um die Verteilung der Temperaturen darzustellen.
Musterlösung:
temperaturen = [24, 26, 22, 28, 27, 25, 23]
plt.hist(temperaturen)
plt.xlabel('Temperaturen')
plt.ylabel('Anzahl der Tage')
plt.title('Verteilung der Temperaturen')
plt.show()
Aufgabe 2
Erzeuge eine Liste von Zufallsdaten und erstelle ein Histogramm, das die Verteilung dieser Daten darstellt.
Generiere eine Liste von 1000 Zufallszahlen zwischen 0 und 100. Teile die Zahlen in 15 gleichgroße Bins auf. Erstelle ein Histogramm mit den generierten Daten. Verleihe den Balken des Histogramms eine ansprechende Farbe. Füge Achsenbeschriftungen, Titel und eine Legende hinzu. Hier ist die Musterlösung:
import numpy as np
import matplotlib.pyplot as plt
# Zufallsdaten generieren
np.random.seed(42) # Für Reproduzierbarkeit der Zufallsdaten
random_data = np.random.randint(0, 100, size=1000)
# Histogramm erstellen
plt.figure(figsize=(10, 6))
# Histogramm plotten
plt.hist(random_data, bins=15, color='purple', edgecolor='black', alpha=0.7)
# Beschriftungen und Titel hinzufügen
plt.xlabel("Wert")
plt.ylabel("Anzahl")
plt.title("Verteilung von Zufallsdaten")
plt.legend(["Zufallsdaten"])
# Plot anzeigen
plt.show()
Fazit
Du hast es geschafft! Du hast den Histinator gemeistert und kannst nun Daten wie ein echter Python-Profi visualisieren. Feiere deinen Erfolg mit einem Gummibärenfest – du hast es verdient!
Das war's für den Abschnitt über den hist Plot. Wir hoffen, du hattest Spaß beim Lernen und bist jetzt bereit, deine Daten in beeindruckenden Histogrammen zum Leben zu erwecken. Bis zum nächsten Mal!
Links / Weiteres Material
Dokumentation
https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html