随笔 - 384  文章 - 0  评论 - 35  阅读 - 142万

sns.distplot()用法

sns.distplot()集合了matplotlib的hist()于sns.kdeplot()功能,增了rugplot分布观测显示与理由scipy库fit拟合参数分布的新颖用途

#参数如下
sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

直方图:先分箱,然后计算每个分箱频数的数据分布,

和条形图的区别,条形图有空隙,直方图没有,条形图一般用于类别特征,直方图一般用于数字特征(连续型)
多用于y值和数字(连续型)特征的分布画图

import matplotlib.pyplot as plt 
import numpy as np
import pandas as pd 
import seaborn as sns 
sns.set()  #切换到sns的默认运行配置

x=np.random.randn(100)
sns.distplot(x)

 

通过hist和kde参数调节是否显示直方图及核密度估计(默认hist,kde均为True)

fig,axes=plt.subplots(1,3)  #创建一个1行三列的图片
sns.distplot(x,ax=axes[0])
sns.distplot(x,hist=False,ax=axes[1])  #不显示直方图
sns.distplot(x,kde=False,ax=axes[2])  #不显示核密度

 

 

 bins:int或list,控制直方图的划分

#bins
fig,axes=plt.subplots(1,2) 
sns.distplot(x,kde=False,bins=20,ax=axes[0]) #分成20个区间
sns.distplot(x,kde=False,bins=[x for x in range(4)],ax=axes[1]) #以0,1,2,3为分割点,形成区间[0,1],[1,2],[2,3],区间外的值不计入。

 

rag:控制是否生成观测数值的小细条

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

 

 fit:控制拟合的参数分布图形,能够直观地评估它与观察数据的对应关系(黑色线条为确定的分布)

#fit
from scipy.stats import *
sns.distplot(x,hist=False,fit=norm) #拟合标准正态分布

 

 hist_kws, kde_kws, rug_kws, fit_kws参数接收字典类型,可以自行定义更多高级的样式

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

 

 norm_hist:若为True, 则直方图高度显示密度而非计数(含有kde图像中默认为True)

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

 

 全部代码

复制代码
 1 import matplotlib.pyplot as plt 
 2 import numpy as np
 3 import pandas as pd 
 4 import seaborn as sns 
 5 sns.set()  #切换到sns的默认运行配置
 6 
 7 x=np.random.randn(100)
 8 sns.distplot(x)
 9 
10 
11 fig,axes=plt.subplots(1,3)  #创建一个1行三列的图片
12 sns.distplot(x,ax=axes[0])
13 sns.distplot(x,hist=False,ax=axes[1])  #不显示直方图
14 sns.distplot(x,kde=False,ax=axes[2])  #不显示核密度
15 
16 
17 #bins
18 fig,axes=plt.subplots(1,2) 
19 sns.distplot(x,kde=False,bins=20,ax=axes[0]) #分成20个区间
20 sns.distplot(x,kde=False,bins=[x for x in range(4)],ax=axes[1]) #以0,1,2,3为分割点,形成区间[0,1],[1,2],[2,3],区间外的值不计入。
21 
22 
23 #rag
24 fig,axes=plt.subplots(1,2)
25 sns.distplot(x,rug=True,ax=axes[0]) #左图
26 sns.distplot(x,ax=axes[1]) #右图
27 
28 
29 #fit
30 from scipy.stats import *
31 sns.distplot(x,hist=False,fit=norm) #拟合标准正态分布
32 
33 
34 #
35 sns.distplot(x,kde_kws={"label":"KDE"},vertical=True,color="y")
36 
37 #norm_hist
38 fig,axes=plt.subplots(1,2)
39 sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左图
40 sns.distplot(x,kde=False,ax=axes[1]) #右图
复制代码

 

posted on   小小喽啰  阅读(63188)  评论(0编辑  收藏  举报
编辑推荐:
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
阅读排行:
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· .NET10 - 预览版1新功能体验(一)
< 2025年3月 >
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

点击右上角即可分享
微信分享提示