Python可视化 | Seaborn包—kdeplot和distplot，,import pan
Python可视化 | Seaborn包—kdeplot和distplot，,import pan
import pandas as pdimport numpy as npimport seaborn as snsimport matplotlibimport matplotlib.pyplot as pltfrom scipy.stats import skewfrom scipy.stats.stats import pearsonr%config InlineBackend.figure_format = ‘retina‘%matplotlib inline
一、kdeplot(核密度估计图)
核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征。
x=np.random.randn(100) #随机生成100个符合正态分布的数
sns.kdeplot(x)
sns.kdeplot(x,cut=0) #cut：参数表示绘制的时候，切除带宽往数轴极限数值的多少(默认为3)
sns.kdeplot(x,cumulative=True)#cumulative ：是否绘制累积分布
sns.kdeplot(x,cumulative = True,shade=True,color = ‘r‘)#shade：若为True，则在kde曲线下面的区域中进行阴影处理，color控制曲线及阴影的颜色
sns.kdeplot(x,cumulative = True,shade=True,color = ‘r‘,vertical = True)#vertical：表示以X轴进行绘制还是以Y轴进行绘制
二元Kde图像
y=np.random.randn(100)sns.kdeplot(x,y,shade=True，cbar = True)#cbar：参数若为True，则会添加一个颜色棒(颜色帮在二元kde图像中才有)
二、distplot()
displot()集合了matplotlib的hist()与核函数估计kdeplot的功能，增加了rugplot分布观测条显示与利用scipy库fit拟合参数分布的新颖用途。sns.distplot(x,color="g")
通过hist和kde参数调节是否显示直方图及核密度估计(默认hist,kde均为True)
fig,axes = plt.subplots(1,3)sns.distplot(x,ax = axes[0]) #左图 参数ax= 把图形放在哪个框里sns.distplot(x,hist = False ,ax = axes[1]) #中图sns.distplot(x,kde = False, ax = axes[2]) #右图
bins：int或list，控制直方图的划分
fig,axes = plt.subplots(1,2)sns.distplot(x,kde = False,bins = 20,ax = axes[0]) #kde=False 纵轴表示的时频数不再是频率sns.distplot(x,kde = False,bins = [x for x in range(4)],ax = axes[1])
rug：控制是否生成观测数值的小细条
fig,axes = plt.subplots(1,2)sns.distplot(x,rug=True,ax = axes[0]) #左图sns.distplot(x,ax = axes[1]) #右图
fit：控制拟合的参数分布图形，能够直观地评估它与观察数据的对应关系(黑色线条为确定的分布)
from scipy.stats import *sns.distplot(x,hist = False,fit =norm) #fit = norm 拟合正态分布
？hist_kws, kde_kws, rug_kws, fit_kws参数接收字典类型，可以自行定义更多高级的样式
sns.distplot(x,kde_kws={"label":"KDE"},vertical=True,color="y") 
？norm_hist：若为True, 则直方图高度显示密度而非计数(含有kde图像中默认为True)
fig,axes=plt.subplots(1,2)sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左图sns.distplot(x,kde=False,ax=axes[1]) #右图
Python可视化 | Seaborn包—kdeplot和distplot
相关内容
- python中requests请求库，,使用方法：1.安装2
- python-platform模块：平台相关属性，,import pla
- python练习-8.12，,注：本代码是《pyt
- Python基础系列讲解-自动控制windows桌面，,原链接：htt
- Python操作文件和目录，,要在Python程序
- python 9*9 乘法表，,row = 1whi
- appium python中的android uiautomator定位，,text定位：dri
- python算法习题1，,题目：有一组“+”和
- 如何使用python远程操作linux，,在云服务测试中，往往
- python Socket编程-python API 与 Linux Socket API之间的关系，
评论关闭