[seaborn] seaborn学习笔记4-核密度图DENSITYPLOT

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：

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

#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);