KDEPlot(Kernel Density Estimate Plot,核密度估计图)是seaborn库中一个用于数据可视化的函数,它基于核密度估计(KDE)这一非参数统计方法来估计数据的概率密度函数。KDEPlot能够直观地展示数据的分布特征,对于单变量和双变量数据均适用。
目录
基本思想
核密度估计(Kernel Density Estimation, KDE)是一种用于估计随机变量概率密度函数的非参数方法。在统计学和概率论中,当我们不知道数据背后的确切分布形式时,核密度估计提供了一种灵活的方式来估计数据的分布形态。这种方法特别适用于小样本数据和复杂分布的情况。
核密度估计的基本思想是将每一个数据点看作是一个小型的、平滑的"核"函数(通常是正态分布、均匀分布或其他形式的对称、平滑函数)的中心,然后计算这些核函数在整个数据空间上的叠加结果。这个叠加的结果就是整个数据集的密度估计。
主要参数
- data:要绘制的数据集,可以是一维数组(单变量)或二维数组/DataFrame(双变量)。
- shade:是否在核密度曲线下绘制阴影,默认为True。阴影可以帮助更直观地展示数据的分布范围。
- color:曲线的颜色,默认为绿色('g')。
- hue :语义映射以确定绘图元素颜色的语义变量。
- linewidth:曲线的宽度,默认为1。
- bw(bandwidth):核密度估计的带宽,控制曲线的平滑程度。默认为'scott',即使用Scott的规则自动计算带宽。
- bw_adjust**:**平滑程度缩放的因子。增加将使曲线更平滑。
- gridsize:用于计算核密度的网格大小,默认为100。增加此值可以提高图形的分辨率,但也会增加计算时间。
- cumulative:是否绘制累积密度函数(CDF),默认为False。如果设置为True,则绘制的是数据的累积分布函数而非概率密度函数。
- vertical:在单变量输入时有效,用于控制是否颠倒x-y轴位置,默认为False。
- kernel:核密度估计的方法,默认为'gau'(高斯核)。特别地,在二维变量的情况下仅支持高斯核方法。
- cmap:在绘制二维KDE图时使用的颜色映射(colormap),用于控制核密度区域的递进色彩方案。
沿轴绘制
沿x轴绘制单变量分布
tips = sns.load_dataset("tips")
sns.kdeplot(data=tips, x="total_bill", shade=True, color="g")
沿y轴绘制单变量分布
sns.kdeplot(data=tips, y="total_bill", shade=True, color="g")
平滑调整
使用更少的平滑
sns.kdeplot(data=tips, x="total_bill", bw_adjust=.1, shade=True, color="b")
使用更多的平滑(不绕过极端值)
ax= sns.kdeplot(data=tips, x="total_bill", bw_adjust=5, cut=0, shade=True, color="b")
多类绘制
绘制多类或多列数据
iris = sns.load_dataset("iris")
sns.kdeplot(data=iris, shade=True)
使用不同的调色
iris = sns.load_dataset("iris")
sns.kdeplot(data=iris, shade=True, palette="crest")
堆叠分布
堆叠条件分布multiple="stack"
sns.kdeplot(data=tips, x="total_bill", hue="time", multiple="stack", palette="PRGn")
按照填充堆叠multiple="fill"
sns.kdeplot(data=tips, x="total_bill", hue="time", multiple="fill",palette="PRGn")
二元分布
绘制x,y的二元分布图
sns.kdeplot(data=geyser, x="waiting", y="duration")
使用 hue 语义映射以显示条件分布
geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind")
填空含语义映射的条件分布曲线
geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind", shade=True, shade_lowest=False, cmap="crest")