在我们的Seaborn教程中,我们将专注于 Seaborn Kdeplot。
什么是Kdeplot?
Kdeplot是一个内核分布估计图,它描述了连续或非参数数据变量的概率密度函数,即我们可以为单变或多个变量构图。
为了使用Seaborn模块,我们需要使用下面的命令来安装和导入模块:
1pip install seaborn
2
3import seaborn
创建一个统一的海洋Kdeplot
seaborn.kdeplot() 函数用于对单变量/单变量构图数据,它代表了数据值的概率分布,作为绘图曲线下的区域。
合成:**
1seaborn.kdeplot(data)
例子一:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4data = np.random.randn(200)
5res = sn.kdeplot(data)
6plt.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。
出发点:**
例子二:
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4data = np.random.randn(200)
5res = sn.kdeplot(data,color='green',shade=True)
6plt.show()
在上面的示例中,我们使用参数 -'shade' 来突出曲线下的 ** 区域. 此外,我们可以使用参数 -'color' 设置不同的色彩。
出发点:**
创建一个双变海洋Kdeplot
Seaborn Kdeplots甚至可以用来对比多个数据变量或 **bivariate(2)变量,以描述一个与其他值的概率分布。
合成:**
1seaborn.kdeplot(x,y)
因此,分布被表示为描述两个数据变量之间的分布关系的形状图。
** 例子:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4import pandas
5data = pandas.read_csv("C:/mtcars.csv")
6res = sn.kdeplot(data['mpg'],data['qsec'],color='blue',shade=True)
7plt.show()
出发点:**
沿着垂直轴的海洋Kdeplot拼图
我们可以使用下面的语法在y轴上划分Kdeplots:
合成:**
1seaborn.kdeplot(data,vertical=True)
因此,通过将垂直参数设置为 True,我们可以对 y 轴进行分布。
** 例子:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4import pandas
5data = pandas.read_csv("C:/mtcars.csv")
6res = sn.kdeplot(data['mpg'],vertical=True,color='blue',shade=True)
7plt.show()
出发点:**
使用海洋 Kdeplot 内部的颜色板块
可以与Seaborn插图一起使用不同的颜色板,以使用‘cmap’参数更好地可视化数据。
不同类型的色彩色彩可在 Matplotlib Colormap找到。
合成:**
1seaborn.kdeplot(data,cmap)
** 例子:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4import pandas
5data = pandas.read_csv("C:/mtcars.csv")
6res = sn.kdeplot(data['mpg'],data['qsec'],shade=True,cmap="Purples_d")
7plt.show()
出发点:**
阴谋 两个阴影的双变 Kdeplots
两个阴影双变量 Kdeplots 帮助理解数据变量对二变量组数据变量的概率分布的变化。
** 例子:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4import pandas
5data = pandas.read_csv("C:/mtcars.csv")
6sn.set(style='dark',)
7res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d")
8res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Blues")
9plt.show()
出发点:**
添加到海洋 Kdeplot 的彩色栏
颜色栏将值的图形表示与原始数据值进行映射,并有助于更好地可视化数据。
合成:**
1seaborn.kdeplot(data,cbar=True)
** 例子:**
1import seaborn as sn
2import matplotlib.pyplot as plt
3import numpy as np
4import pandas
5data = pandas.read_csv("C:/mtcars.csv")
6sn.set(style='dark',)
7res=sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d",cbar=True)
8plt.show()
出发点:
结论
Seaborn 模块纯粹是建立在 Matplotlib 模块上,这种组合被广泛用于以不同的形式可视化数据。
我强烈建议读者通过Python Matplotlib 教程( / 社区 / 教程 / Python-matplotlib)来更好地了解数据可视化的基础知识。