Matplotlib ialah perpustakaan plot yang berkuasa yang digunakan dalam bahasa pengaturcaraan Python. Ia menyediakan API berorientasikan objek untuk membenamkan plot ke dalam aplikasi yang menggunakan kit alat GUI tujuan umum seperti Tkinter, wxPython atau Qt. Salah satu alat penting yang disediakan oleh Matplotlib ialah keupayaan mencipta plot selang keyakinan.
Selang keyakinan, sebagai istilah statistik, merujuk kepada tahap kepastian dalam kaedah pensampelan. Tahap keyakinan memberitahu anda betapa yakinnya anda, dinyatakan sebagai peratusan. Sebagai contoh, tahap keyakinan 99% menunjukkan bahawa setiap anggaran kebarangkalian anda mungkin tepat 99% sepanjang masa.
Mencipta Plot Selang Keyakinan Menggunakan Matplotlib
Mencipta plot selang keyakinan dalam Matplotlib melibatkan beberapa langkah. Mari kita mendalami penjelasan kod Python yang sepadan untuk mencapai langkah-langkah ini:
Pertama, kita perlu mengimport perpustakaan yang diperlukan:
import matplotlib.pyplot as plt import numpy as np from scipy.stats import sem, t from scipy import mean
Sekarang, kita boleh mengira selang keyakinan mengikut langkah-langkah ini.
1. Tentukan set data rawak yang mana kami akan mengira selang keyakinan.
2. Kira min dan ralat piawai bagi set data.
3. Tentukan margin ralat untuk selang keyakinan.
4. Akhir sekali, kira julat selang keyakinan.
Inilah kod Python yang sepadan dengan langkah-langkah ini.
confidence = 0.95 data = np.random.rand(100) n = len(data) m = mean(data) std_err = sem(data) h = std_err * t.ppf((1 + confidence) / 2, n - 1) start = m - h end = m + h
'Keyakinan' pembolehubah ialah tahap keyakinan yang dinyatakan sebagai peratusan, dan 'data' mengandungi set data rawak. Ralat min dan standard dikira oleh fungsi 'min' dan 'sem' perpustakaan SciPy masing-masing. Margin ralat 'h' ditentukan dengan mendarabkan ralat piawai dengan skor-t, yang kami ambil daripada taburan-t menggunakan fungsi 'ppf'. Akhir sekali, kami mengira julat selang keyakinan.
Merancang Selang Keyakinan dalam Matplotlib
Dalam bahagian akhir kod ini, kami menggunakan Matplotlib untuk menggambarkan selang keyakinan.
plt.figure(figsize=(9,6))
plt.bar(np.arange(len(data)), data)
plt.fill_between(np.arange(len(data)), start, end, color='b', alpha=0.1)
plt.title('Confidence Interval')
plt.show()
Ia menggunakan plot bar untuk memaparkan data dan kaedah 'fill_between' untuk mewakili selang keyakinan. Fungsi 'figure' memulakan angka baharu dan fungsi 'show' mempersembahkan plot.
Mencipta plot selang keyakinan dalam Matplotlib ialah cara mudah untuk menganalisis data anda secara visual, terutamanya data yang melibatkan analisis statistik. Alat berkuasa ini menawarkan cara yang mudah dan intuitif untuk mempersembahkan data kompleks dalam bentuk yang boleh ditafsirkan dengan mudah, menjadikannya kit alat penting untuk mana-mana penganalisis atau saintis data python. Dengan memahami cara memanipulasi dan menggunakan ini, kita boleh menjadikan proses tafsiran data lebih cekap dan tepat.
