营销型企业网站建站,2023小规模企业所得税怎么征收的,国外vps国内vps,贵阳平台网站建设目前拥有的数据如图#xff0c;三列分别对应瑕疵种类#xff0c;对应的置信 度#xff0c;x方向坐标。 现在想要做的事是观看瑕疵种类和置信度之间的关系。 要显示数据分布的集中程度#xff0c;可以使用以下几种常见的图形来观察#xff1a;
1、箱线图#xff08;Box P… 目前拥有的数据如图三列分别对应瑕疵种类对应的置信 度x方向坐标。 现在想要做的事是观看瑕疵种类和置信度之间的关系。 要显示数据分布的集中程度可以使用以下几种常见的图形来观察
1、箱线图Box Plot箱线图展示了数据的中位数、上下四分位数、最小值和最大值等统计指标并通过箱体的长度和须的长度来表示数据的分布情况。箱线图能够展示数据的异常值和偏态程度从而提供数据集中程度的信息。 2、直方图Histogram直方图用柱状图的形式表示数据在不同区间内的频数或频率。直方图能够给出数据的分布情况高度表示数据出现的频次整个图形可以展示数据的集中和离散程度。 3、密度图Density Plot密度图是通过平滑直方图来估计数据的概率密度函数并以连续曲线的形式展示数据分布的集中程度。密度图可以更直观地看出数据的峰值和分布的波动情况。 4、散点图Scatter Plot散点图用点的位置来表示两个变量之间的关系。通过观察散点图中点的分布情况可以大致判断数据的集中程度和相关性。
下面我使用的是密度图因为密度的连续曲线更加容易看出数据分布的集中程度。
import pandas as pd
import matplotlib.pyplot as plt# 读取没有列标签的CSV文件
df pd.read_csv(camera0.csv, headerNone)
# 使用整数索引访问列数据
confidence_by_type df.groupby(0)[1]
# 绘制置信度密度分布图
plt.figure(figsize(10, 6))
confidence_by_type.plot(kinddensity, linewidth2, alpha0.5)
plt.xlabel(Confidence)
plt.ylabel(Density)
plt.title(Confidence Density Distribution by Type)
plt.legend(confidence_by_type.groups.keys())# 显示图形
plt.show()如上图所示我的横坐标是第二列置信度纵坐标是密度四条线分别对应第一列的四种类型。 这样就可以看懂我的数据的分布集中情况。
