核密度估計是概率論上用來估計未知的密度函式，屬於非引數檢驗，通過核密度估計圖可以比較直觀的看出樣本資料本身的分佈特徵

#引數如下：
sns.kdeplot(data,data2=None,shade=False,vertical=False,kernel='gau',bw='scott',gridsize=100,cut=3,clip=None,legend=True,cumulative=False,shade_lowest=True,cbar=False, cbar_ax=None, cbar_kws=None, ax=None, *kwargs)

主要用來繪製特徵變數y值的分佈，看看資料符合哪種分佈

只有x一個引數

import matplotlib.pyplot as plt 
import numpy as np
import pandas as pd 
import seaborn as sns 
sns.set()  #切換到sns的預設執行配置

x=np.random.randn(100)
plt.plot(x)  #這樣是無法看出分佈

sns.kdeplot(x)

cumulative ：是否繪製累積分佈

#是否累計
sns.kdeplot(x,cumulative=True)

shade：若為True，則在kde曲線下面的區域中進行陰影處理，color控制曲線及陰影的顏色

#是否進行陰影處理
sns.kdeplot(x,shade=True,color="g")

vertical：表示以X軸進行繪製還是以Y軸進行繪製

#y軸畫圖
sns.kdeplot(x,vertical=True)

二元kde影象，很少使用，稍微瞭解一下即可

#x,y
y=np.random.randn(100)
sns.kdeplot(x,y)

#cbar：引數若為True，則會新增一個顏色棒(顏色幫在二元kde影象中才有)
sns.kdeplot(x,y,shade=True,cbar=True)