如何在Python创建 Ogive 图？

在本文中，我们将创建一个Ogive Graph。 ogive 图也可以称为累积直方图，该图用于确定数据集中位于特定值之上或之下的值的数量。类别间隔绘制在 x 轴上，而累积频率绘制在 y 轴上。这些点绘制在图形上并由线连接。

NumPy 有一个名为histogram()的函数以图形方式表示特定设置范围内的数据频率。直方图函数返回两个值，第一个是频率，存储在值中，第二个是 bin 值或数据集中数字所在的区间，它存储在基本变量中。

在此之后，我们将计算累积总和，这可以使用cumsum()函数轻松完成，它返回沿特定轴的累积总和。最后，我们将使用plot()函数绘制图形并传递 base 作为 x 轴值和 cumsum 作为 y 轴值。我们可以使用标记、颜色和线条属性来格式化图形。

示例 1：（不仅仅是 Ogive 图）

超过 ogive 图显示了大于类间隔的值的数量。结果图显示了类间隔之间的值数。例如- 0-10,10-20 等等。让我们拿一个数据集，我们现在将绘制它不仅仅是 ogive 图 - [22,87,5,43,56,73, 55,54,11,20,51,5,79,31,27]。

表示间隔、频率和累积频率（小于）的表格-

Class Interval	Frequency	Cumulative Frequency
0-10	2	2
10-20	1	3
20-30	3	6
30-40	1	7
40-50	1	8
50-60	4	12
60-70	0	12
70-80	2	14
80-90	1	15

方法：

• 导入模块（matplotlib 和 numpy）。
• 计算数据的频率和累积频率。
• 使用 plot()函数绘制它。

Python3

# importing modules
import numpy as np
import matplotlib.pyplot as plt
  
# creating dataset
data = [22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27]
  
# creating class interval
classInterval = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
  
# calculating frequency and class interval
values, base = np.histogram(data, bins=classInterval)
  
# calculating cumulative sum
cumsum = np.cumsum(values)
  
# plotting  the ogive graph
plt.plot(base[1:], cumsum, color='red', marker='o', linestyle='-')
  
# formatting
plt.title('Ogive Graph')
plt.xlabel('Marks in End-Term')
plt.ylabel('Cumulative Frequency')

输出：

示例 2：（小于 Ogive Graph）

在这个例子中，我们将绘制小于 Ogive 图，它将显示小于类间隔的值。数据集：[44,27,5,2,43,56,77,53,89,54,11,23, 51,5,79,25,39]

表表示间隔、频率和累积频率（超过）-

Class Interval	Frequency	Cumulative Frequency
0-10	3	17
10-20	1	16
20-30	3	14
30-40	1	14
40-50	2	10
50-60	4	8
60-70	0	7
70-80	2	4
80-90	1	3

方法与上述相同，只是我们将计算的累积总和将使用 numpy 库中存在的flipud()函数反转。

蟒蛇3

# importing modules
import numpy as np
import matplotlib.pyplot as plt
  
# creating dataset
data = [44, 27, 5, 2, 43, 56, 77, 53, 89, 54, 11, 23, 51, 5, 79, 25, 39]
  
# creating class interval
classInterval = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90]
  
# calculating frequency and intervals
values, base = np.histogram(data, bins=classInterval)
  
# calculating cumulative frequency
cumsum = np.cumsum(values)
  
# reversing cumulative frequency
res = np.flipud(cumsum)
  
# plotting ogive
plt.plot(base[1:], res, color='brown', marker='o', linestyle='-')
  
# formatting the graph
plt.title('Ogive Graph')
plt.xlabel('Marks in End-Term')
plt.ylabel('Cumulative Frequency')

输出：