sns.kdeplot()核密度估計圖
阿新 • • 發佈:2020-07-27
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 用的地方不多,瞭解為主,不需要深入研究
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)