嘿伙计!在我们的 Seaborn 教程中,我们将专注于 Seaborn Kdeplot。

---

什么是Kdeplot?

Kdeplot是一个核分布估计图,它描述了连续或非参数数据变量的概率密度函数,即我们可以完全绘制单变量或多变量的图。使用 Python Seaborn 模块,我们可以构建添加了各种功能的 Kdeplot。

为了使用 Seaborn 模块,我们需要使用以下命令安装和导入模块:

pip install seaborn

import seaborn

---

创建单变量 Seaborn Kdeplot

seaborn.kdeplot() 函数用于针对单个/单变量变量绘制数据。它将数据值的概率分布表示为绘制曲线下的面积。

句法:

seaborn.kdeplot(data)

示例 1:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data)
plt.show()

在上面的示例中,我们使用 numpy.random.randn() 函数生成了一些随机数据值。

输出:

单变量 Seaborn Kdeplot

示例 2:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data,color='green',shade=True)
plt.show()

在上面的示例中,我们使用参数“shade”突出显示了曲线以突出显示曲线下的区域。此外,我们可以使用参数“color”为绘图设置不同的颜色。

输出:

具有阴影和颜色参数的单变量 Seaborn Kdeplot

---

创建二元 Seaborn Kdeplot

Seaborn Kdeplots 甚至可用于针对多个数据变量或 bivariate(2) 变量绘制数据,以描绘一个相对于其他值的概率分布。

句法:

seaborn.kdeplot(x,y)

因此,分布被表示为等高线图,描绘了两个数据变量之间的分布关系。

例子:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],color='blue',shade=True)
plt.show()

输出:

双变量 Seaborn Kdeplot

---

沿纵轴绘制 Seaborn Kdeplot

我们可以使用以下语法沿 y 轴绘制 Kdeplots:

句法:

seaborn.kdeplot(data,vertical=True)

因此,通过将“vertical”参数设置为 True,我们可以绘制相对于 y 轴的分布。

例子:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],vertical=True,color='blue',shade=True)
plt.show()

输出:

沿垂直轴的单变量 Seaborn Kdeplot

---

在 Seaborn Kdeplot 中使用调色板

不同的调色板可以与 Seaborn 图一起使用,使用“cmap”参数以更好的方式可视化数据。

Matplotlib Colormap提供了不同类型的调色板。

句法:

seaborn.kdeplot(data,cmap)

例子:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],shade=True,cmap="Purples_d")
plt.show()

输出:

带有调色板的双变量 Seaborn Kdeplot

祖兹 100033 * *

绘制两个带阴影的二元 Kdeplots

两个带阴影的双变量 Kdeplots 有助于根据数据变量的双变量组的概率分布来理解数据的变化。

例子:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d")
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Blues")
plt.show()

输出:

着色双变量 Seaborn Kdeplots

---

向 Seaborn Kdeplot 添加颜色条

colorbar将值的图形表示与原始数据值进行映射,并有助于以更好的方式可视化数据。

句法:

seaborn.kdeplot(data,cbar=True)

例子:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res=sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d",cbar=True)
plt.show()

输出:

使用 Cbar 双变量 Seaborn Kdeplot

---

结论

Seaborn 模块完全建立在 Matplotlib 模块之上,该组合广泛用于以不同形式可视化数据。

我强烈建议读者阅读Python Matplotlib 教程以更好地了解数据可视化的基础知识。

---

参考文献

• Seaborn Kdeplot – 文档