文章目录
4 核密度图Densityplot
1. 基础核密度图绘制 Basic density plot
2. 核密度图的区间控制 Control bandwidth of density plot
3. 多个变量的核密度图绘制 Density plot of several variables
4. 边际核密度图 Marginal Density plot
4 核密度图Densityplot
(代码下载)
核密度图显示数值变量的分布。它只需要一组数值作为输入。它非常类似于直方图。在seaborn中使用kdeplot函数绘制核密度图，该章节主要内容有：
- 基础核密度图绘制 Basic density plot
核密度图的区间控制 Control bandwidth of density plot
多个变量的核密度图绘制 Density plot of several variables
边际核密度图 Marginal Density plot
#调用seaborn
import seaborn as sns
#调用seaborn自带数据集
df = sns.load_dataset('iris')
#显示数据集
df.head()
| sepal_length | sepal_width | petal_length | petal_width | species | |
|---|---|---|---|---|---|
| 0 | 5.1 | 3.5 | 1.4 | 0.2 | setosa |
| 1 | 4.9 | 3.0 | 1.4 | 0.2 | setosa |
| 2 | 4.7 | 3.2 | 1.3 | 0.2 | setosa |
| 3 | 4.6 | 3.1 | 1.5 | 0.2 | setosa |
| 4 | 5.0 | 3.6 | 1.4 | 0.2 | setosa |
1. 基础核密度图绘制 Basic density plot
基础核密度图函数 default density function
带阴影的核密度图 Density plot with shade
水平核密度图 Horizontal density plot
# 基础核密度图函数 default density function
# 纵坐标为核密度估计值，类似概率密度函数。
# 如x=3.0，纵坐标表示的不是x=3.0处的概率，而是在x=3.0附近取值的可能性估计
sns.kdeplot(df['sepal_width']);
C:\ProgramData\Anaconda3\lib\site-packages\scipy\stats\stats.py:1713: FutureWarning: Using a non-tuple sequence for multidimensional indexing is deprecated; use `arr[tuple(seq)]` instead of `arr[seq]`. In the future this will be interpreted as an array index, `arr[np.array(seq)]`, which will result either in an error or a different result.
return np.add.reduce(sorted[indexer] * weights, axis=axis) / sumval
# 带阴影的核密度图 Density plot with shade
# density plot with shade 添加阴影线
sns.kdeplot(df['sepal_width'], shade=True);
# 水平核密度图 Horizontal density plot
# 基本所有seaborn绘图函数只要设置vercical就能获得水平方向的图像
sns.kdeplot(df['sepal_width'], shade=True, vertical=True, color="skyblue");
2. 核密度图的区间控制 Control bandwidth of density plot
# bw参数控制核密度图的区间
# 其中bw表示根据多少区间范围来计算核密度
# Large bandwidth
sns.kdeplot(df['sepal_width'], shade=True, bw=.5, color="olive");
# Narrower bandwidth
sns.kdeplot(df['sepal_width'], shade=True, bw=.05, color="olive");
3. 多个变量的核密度图绘制 Density plot of several variables
# 有时需要比较多个变量的核密度，可以通过matplotlib创建两个子图，也可以直接画在一张图上
p1=sns.kdeplot(df['sepal_width'], shade=True, color="r")
p1=sns.kdeplot(df['sepal_length'], shade=True, color="b")
4. 边际核密度图 Marginal Density plot
# 边际图能够更好变现2个数值变量之间的关系
# No space 无间隔，space表示边缘图和中央图像的间隔，kind表示图像类型
sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde', color="grey", space=0);
# Huge space 大间隔
sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde', space=3);
# Make marginal bigger, ratio表示中央图像和边缘图的比例，ratio越大，比例越大
sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde',ratio=1);
sns.jointplot(x=df["sepal_length"], y=df["sepal_width"], kind='kde',ratio=10);
