【Python】数据可视化之核密度

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

主要参数

沿轴绘制

平滑调整

多类绘制

堆叠分布

二元分布


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

复制代码
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

复制代码
sns.kdeplot(data=tips, y="total_bill", shade=True, color="g")

平滑调整

使用更少的平滑

复制代码
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)

复制代码
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

复制代码
iris = sns.load_dataset("iris")
sns.kdeplot(data=iris, shade=True)

使用不同的调色

复制代码
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"

复制代码
sns.kdeplot(data=tips, x="total_bill", hue="time", multiple="stack", palette="PRGn")

按照填充堆叠multiple="fill"

复制代码
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

复制代码
sns.kdeplot(data=geyser, x="waiting", y="duration")

使用 hue 语义映射以显示条件分布

复制代码
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

复制代码
geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind", shade=True, shade_lowest=False, cmap="crest")
相关推荐
MarsBighead11 分钟前
Pgvector+R2R搭建RAG知识库
python·ai·postgresql·rag·pgvector
早睡早起吧44 分钟前
目标检测篇---faster R-CNN
人工智能·python·目标检测·计算机视觉·cnn
Aloudata技术团队1 小时前
Aloudata Agent :基于 NoETL 明细语义层的分析决策智能体
数据库·数据分析·数据可视化
Alive~o.01 小时前
【网络应用程序设计】实验四:物联网监控系统
linux·网络·python·物联网·课程设计
大模型真好玩1 小时前
RAG系统效果不达预期?一定要看看这篇详细高效的优化指南!
人工智能·python·mcp
啊阿狸不会拉杆1 小时前
数据结构-排序
java·c语言·数据结构·c++·python·算法·排序算法
COOCC11 小时前
PyTorch 实战:Transformer 模型搭建全解析
人工智能·pytorch·python·深度学习·神经网络·目标检测·transformer
这里有鱼汤2 小时前
95%开发者未充分利用的Python特性:解包操作性能实测与最佳实践
python
这里有鱼汤2 小时前
🎨 Matplotlib十大高级绘图技巧,学会了升职加薪(不骗你)
后端·python
随缘而动,随遇而安2 小时前
第五十二篇 浅谈ETL系统设计
大数据·数据仓库·数据分析·数据库开发·数据库架构