Гистограммы – это мощный инструмент для визуализации распределения данных. Они дают представление о частоте значений в наборе данных и помогают выявить закономерности, тенденции и выбросы. В этой статье мы рассмотрим различные методы создания гистограмм с использованием Plotly, популярной библиотеки Python для интерактивной визуализации данных.

1. Использование Plotly Express.
   Plotly Express – это API высокого уровня, упрощающий создание интерактивных визуализаций, включая гистограммы.

import plotly.express as px
df = px.data.tips()  # Sample dataset
fig = px.histogram(df, x="total_bill")
fig.show()

<старый старт="2">

Использование объектов графиков Plotly.
Plotly также предоставляет API более низкого уровня, называемый объектами графиков, который обеспечивает большую гибкость и контроль над внешним видом диаграммы.

import plotly.graph_objects as go
import numpy as np
# Generate random data
np.random.seed(1)
data = np.random.normal(loc=0, scale=1, size=500)
fig = go.Figure(data=[go.Histogram(x=data)])
fig.show()

<ол старт="3">

Настройка интервалов гистограммы.
Вы можете настроить количество и диапазон интервалов в гистограмме с помощью параметров nbinsи range.

import plotly.express as px
df = px.data.tips()  # Sample dataset
fig = px.histogram(df, x="total_bill", nbins=30, range_x=[0, 60])
fig.show()

4. Наложение гистограмм.
   Plotly позволяет накладывать несколько гистограмм, что упрощает сравнение распределений на одной диаграмме.

import plotly.graph_objects as go
import numpy as np
# Generate random data
np.random.seed(1)
data1 = np.random.normal(loc=0, scale=1, size=500)
data2 = np.random.normal(loc=2, scale=0.5, size=500)
fig = go.Figure()
fig.add_trace(go.Histogram(x=data1, opacity=0.75, name="Data 1"))
fig.add_trace(go.Histogram(x=data2, opacity=0.75, name="Data 2"))
fig.update_layout(barmode="overlay")
fig.show()

import plotly.graph_objects as go
import numpy as np
# Generate random data
np.random.seed(1)
data = np.random.normal(loc=0, scale=1, size=500)
fig = go.Figure(data=[go.Histogram(x=data)])
fig.update_layout(
    title="Histogram Chart",
    xaxis_title="Values",
    yaxis_title="Frequency",
    bargap=0.1,  # Gap between bars
    bargroupgap=0.1,  # Gap between histogram groups
)
fig.update_traces(marker_color="lightskyblue", marker_line_color="midnightblue", marker_line_width=1)
fig.show()

Гистограммы — ценный инструмент для визуализации распределения данных. В этой статье мы рассмотрели различные методы создания гистограмм с помощью Plotly, в том числе использование Plotly Express для быстрой и простой визуализации и объектов Plotly Graph для большей настройки. Мы также узнали, как накладывать гистограммы, настраивать группировку и оформлять диаграммы. Используя эти методы, вы можете эффективно анализировать и передавать информацию на основе своих данных.