Matplotlib એ Python પ્રોગ્રામિંગ ભાષામાં વપરાતી શક્તિશાળી પ્લોટિંગ લાઇબ્રેરી છે. તે Tkinter, wxPython, અથવા Qt જેવી સામાન્ય હેતુની GUI ટૂલકીટનો ઉપયોગ કરતી એપ્લિકેશન્સમાં પ્લોટને એમ્બેડ કરવા માટે ઑબ્જેક્ટ-ઓરિએન્ટેડ API પ્રદાન કરે છે. મેટપ્લોટલિબ દ્વારા પૂરા પાડવામાં આવેલ મહત્વપૂર્ણ સાધનો પૈકી એક વિશ્વાસ અંતરાલ પ્લોટ બનાવવાની ક્ષમતા છે.
આત્મવિશ્વાસ અંતરાલ, આંકડાકીય શબ્દ તરીકે, નમૂના પદ્ધતિમાં નિશ્ચિતતાની ડિગ્રીનો સંદર્ભ આપે છે. આત્મવિશ્વાસનું સ્તર તમને જણાવે છે કે તમે કેટલા ચોક્કસ છો, ટકાવારી તરીકે વ્યક્ત કરી શકો છો. દાખલા તરીકે, 99% આત્મવિશ્વાસનું સ્તર સૂચવે છે કે તમારા દરેક સંભવિત અંદાજો સમયના 99% સચોટ હોઈ શકે છે.
Matplotlib નો ઉપયોગ કરીને કોન્ફિડન્સ ઈન્ટરવલ પ્લોટ બનાવવો
મેટપ્લોટલિબમાં કોન્ફિડન્સ ઈન્ટરવલ પ્લોટ બનાવવા માટે અનેક પગલાંઓ સામેલ છે. ચાલો આ પગલાંને પરિપૂર્ણ કરવા માટે અનુરૂપ પાયથોન કોડની સમજૂતીનો અભ્યાસ કરીએ:
પ્રથમ, આપણે જરૂરી પુસ્તકાલયો આયાત કરવી પડશે:
import matplotlib.pyplot as plt import numpy as np from scipy.stats import sem, t from scipy import mean
હવે, આપણે આ પગલાંઓ અનુસરીને વિશ્વાસ અંતરાલની ગણતરી કરી શકીએ છીએ.
1. રેન્ડમ ડેટાસેટ નક્કી કરો જેના માટે અમે વિશ્વાસ અંતરાલની ગણતરી કરીશું.
2. ડેટાસેટની સરેરાશ અને પ્રમાણભૂત ભૂલની ગણતરી કરો.
3. વિશ્વાસ અંતરાલ માટે ભૂલનો માર્જિન નક્કી કરો.
4. છેલ્લે, આત્મવિશ્વાસ અંતરાલની શ્રેણીની ગણતરી કરો.
અહીં આ પગલાંને અનુરૂપ પાયથોન કોડ છે.
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
ચલ 'આત્મવિશ્વાસ' એ ટકાવારી તરીકે વ્યક્ત કરાયેલ વિશ્વાસ સ્તર છે, અને 'ડેટા' રેન્ડમ ડેટાસેટ ધરાવે છે. સરેરાશ અને પ્રમાણભૂત ભૂલ અનુક્રમે SciPy લાઇબ્રેરીના 'મીન' અને 'sem' ફંક્શન દ્વારા ગણવામાં આવે છે. ભૂલ 'h' નું માર્જિન પ્રમાણભૂત ભૂલને t-સ્કોર દ્વારા ગુણાકાર કરીને નક્કી કરવામાં આવે છે, જે આપણે 'ppf' ફંક્શનનો ઉપયોગ કરીને t-વિતરણમાંથી મેળવીએ છીએ. છેલ્લે, અમે વિશ્વાસ અંતરાલની શ્રેણીની ગણતરી કરીએ છીએ.
Matplotlib માં કોન્ફિડન્સ ઈન્ટરવલનું કાવતરું
કોડના આ અંતિમ વિભાગમાં, અમે વિશ્વાસ અંતરાલની કલ્પના કરવા માટે Matplotlib નો ઉપયોગ કરી રહ્યા છીએ.
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()
તે ડેટા પ્રદર્શિત કરવા માટે બાર પ્લોટનો ઉપયોગ કરે છે અને વિશ્વાસ અંતરાલને રજૂ કરવા માટે 'ભરો_ વચ્ચે' પદ્ધતિનો ઉપયોગ કરે છે. 'ફિગર' ફંક્શન નવી આકૃતિને પ્રારંભ કરે છે અને 'શો' ફંક્શન પ્લોટ રજૂ કરે છે.
આત્મવિશ્વાસ અંતરાલ પ્લોટ બનાવવો મેટપ્લોટલિબમાં તમારા ડેટાનું વિઝ્યુઅલી પૃથ્થકરણ કરવાની એક અનુકૂળ રીત છે, ખાસ કરીને આંકડાકીય પૃથ્થકરણનો સમાવેશ કરે છે. આ શક્તિશાળી સાધન આપે છે એક સરળ અને સાહજિક રીત જટિલ ડેટાને એવા સ્વરૂપમાં રજૂ કરવા કે જેનું સરળતાથી અર્થઘટન કરી શકાય, તેને કોઈપણ પાયથોન ડેટા વિશ્લેષક અથવા વૈજ્ઞાનિક માટે આવશ્યક ટૂલકિટ બનાવે છે. તેનો ઉપયોગ કેવી રીતે કરવો અને તેનો ઉપયોગ કેવી રીતે કરવો તે સમજીને, અમે ડેટા અર્થઘટનની પ્રક્રિયાને વધુ કાર્યક્ષમ અને સચોટ બનાવી શકીએ છીએ.
