Python可視化 | Seaborn包—kdeplot和distplot

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib
import matplotlib.pyplot as plt
from scipy.stats import skew
from scipy.stats.stats import pearsonr
%config InlineBackend.figure_format = 'retina'
%matplotlib inline

　　

一、kdeplot(核密度估計圖)

核密度估計(kernel density estimation)是在概率論中用來估計未知的密度函數，屬於非參數檢驗方法之一。通過核密度估計圖可以比較直觀的看出數據樣本本身的分布特征。

 

x=np.random.randn(100)  #隨機生成100個符合正態分布的數

sns.kdeplot(x)

　　

sns.kdeplot(x,cut=0) #cut：參數表示繪制的時候，切除帶寬往數軸極限數值的多少(默認為3)

　　

sns.kdeplot(x,cumulative=True)#cumulative ：是否繪制累積分布

　　

sns.kdeplot(x,cumulative = True,shade=True,color = 'r')
#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

 

 

 

sns.kdeplot(x,cumulative = True,shade=True,color = 'r',vertical = True)#vertical：表示以X軸進行繪制還是以Y軸進行繪制

　　

 

 二元Kde圖像

y=np.random.randn(100)
sns.kdeplot(x,y,shade=True，cbar = True)#cbar：參數若為True，則會添加一個顏色棒(顏色幫在二元kde圖像中才有)

　　

 

 

二、distplot()

displot()集合了matplotlib的hist()與核函數估計kdeplot的功能，增加了rugplot分布觀測條顯示與利用scipy庫fit擬合參數分布的新穎用途。

直方圖又稱質量分布圖，它是表示資料變化情況的一種主要工具。用直方圖可以解析出資料的規則性，比較直觀地看出產品質量特性的分布狀態，對於資料分布狀況一目了然，便於判斷其總體質量分布情況。直方圖表示通過沿數據范圍形成分箱，然后繪制條以顯示落入每個分箱的觀測次數的數據分布。

sns.distplot(x,color="g")

　　

 

通過hist和kde參數調節是否顯示直方圖及核密度估計(默認hist,kde均為True)

fig,axes = plt.subplots(1,3)
sns.distplot(x,ax = axes[0])                #左圖 參數ax= 把圖形放在哪個框里
sns.distplot(x,hist = False ,ax = axes[1]) #中圖
sns.distplot(x,kde = False, ax = axes[2])  #右圖

　　

 

 bins：int或list，控制直方圖的划分

fig,axes = plt.subplots(1,2)
sns.distplot(x,kde = False,bins = 20,ax = axes[0]) #kde=False 縱軸表示的時頻數不再是頻率
sns.distplot(x,kde = False,bins = [x for x in range(4)],ax = axes[1])

　　

 

 rug：控制是否生成觀測數值的小細條

fig,axes = plt.subplots(1,2)
sns.distplot(x,rug=True,ax = axes[0]) #左圖
sns.distplot(x,ax = axes[1])           #右圖

　　

 

 fit：控制擬合的參數分布圖形，能夠直觀地評估它與觀察數據的對應關系(黑色線條為確定的分布)

from scipy.stats import *
sns.distplot(x,hist = False,fit =norm) #fit = norm 擬合正態分布

　　

 

？ hist_kws, kde_kws, rug_kws, fit_kws參數接收字典類型，可以自行定義更多高級的樣式

sns.distplot(x,kde_kws={"label":"KDE"},vertical=True,color="y")

　　

 

 ？norm_hist：若為True, 則直方圖高度顯示密度而非計數(含有kde圖像中默認為True)

fig,axes=plt.subplots(1,2)
sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左圖
sns.distplot(x,kde=False,ax=axes[1]) #右圖