python distplot 图_Python可视化23 |seaborn.distplot公司单变量分布图(直方图|核密度图),23seaborndistplot...
本文介绍seaborn.distplot绘制
单变量分布图
;
之前文章介绍的
核密度图
(kernel density estimate (KDE))以及
二者结合图。
目录
本文内容概要
直方图
核密度图
直方图结合核密度图
1、seaborn.distplot
seaborn.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)
http://seaborn.pydata.org/generated/seaborn.distplot.html#seaborn.distplot
整合了如下三个函数:
matplotlib中的直方图hist(默认绘制直方图)
seaborn.kdeplot()
seaborn.rugplot()
scipy.stats
数据准备
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
x=np.random.randn(100)#造一个shape为(100,),服从正态分布的对象x
print(x)
print(x.shape)
绘制直方图hist
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})#修改背景色
g=sns.distplot(x,
hist=True,#默认绘制直方图,详细参考plt.hist
kde=False,
color="#098154")#修改柱子颜色
修改直方图hist中箱子数bins
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
hist=True,
bins=15,#修改箱子个数
kde=False,
color="#098154")
直方图成箱方式
有4种方式:'bar,barstacked,step,stepfilled'。
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
for i in list('bar,barstacked,step,stepfilled'.split(',')):
plt.figure(dpi=120)
sns.distplot(x,
hist=True,
bins=15,
kde=False,
hist_kws={'histtype':'%s'%i}, #默认为bar,可选barstacked,step,stepfilled
color="#098154")
plt.title("histtype="'%s'%i)
plt.show()
绘制核密度曲线kernel density estimate (KDE)
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
hist=False,
kde=True,#开启核密度曲线kernel density estimate (KDE)
kde_kws={'linestyle':'--','linewidth':'1','color':'#098154',#设置外框线属性
'shade':True,#开启填充
},
)
seaborn.kdeplot绘制窄宽度核密度曲线
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})#修改背景色
g=sns.kdeplot(x,
shade=True,
bw=0.15,#使用窄带宽
color="#098154"
)
bandwidth (bw),控制核密度曲线胖瘦
类似hist中bin size
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
sns.kdeplot(x,shade=True, label="bw: defult")
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend();
核密度曲线结合直方图
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
hist=True,
kde=True,#开启核密度曲线kernel density estimate (KDE)
kde_kws={'linestyle':'--','linewidth':'1','color':'#c72e29',#设置外框线属性
},
color='#098154',
axlabel='Xlabel',#设置x轴标题
)
fit参数
将数据与scipy.stats中的分布拟合,查看数据服从何种分布,更多可参考:https://docs.scipy.org/doc/scipy/reference/stats.html
from scipy.stats import norm#导入正态分布
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
hist=True,
kde=False,
kde_kws={'linestyle':'--','linewidth':'1','color':'#c72e29',
},
fit=norm,#
color='#098154',
python distplot 图_Python可视化23 |seaborn.distplot公司单变量分布图(直方图|核密度图),23seaborndistplot...相关推荐
- 直方图尖峰python_直方图、密度图、散点图,python数据可视化方法,你要的都在这里...
直方图和密度图 直方图 直方图(histogram)是一种可以对值频率进行离散化显示的柱状图.数据点被拆分到离散的.间隔均匀的面元中,绘制的是各面元中数据点的数量. In [165]: data1=p ...
- R语言绘制核密度图实战(Kernel Density Plot)
R语言绘制核密度图实战(Kernel Density Plot) 目录 R语言绘制核密度图实战(Kernel Density Plot) #仿真数据
- python 树状图可视化_Python可视化25|seaborn矩阵图
矩阵图即用一张图绘制多个变量之间的关系,数据挖掘中常用于初期数据探索: 本文介绍python中seaborn.pairplot(傻瓜版)和seaborn.PairGrid(更个性化版)绘制矩阵图 本文 ...
- python hist函数_Python数据可视化:一文读懂直方图和密度图
一图胜千言,使用Python的matplotlib库,可以快速创建高质量的图形. 用matplotlib生成基本图形非常简单,只需要几行代码,但要创建复杂的图表,需要调用更多的命令和反复试验,这要求用 ...
- python画矩阵图_Python可视化25_seaborn绘制矩阵图
矩阵图即用一张图绘制多个变量之间的关系,数据挖掘中常用于初期数据探索: 本文介绍python中seaborn.pairplot(傻瓜版)和seaborn.PairGrid(更个性化版)绘制矩阵图 本文 ...
- Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化、箱型图/散点图、小提琴图/散点图组合可视化的简介、使用方法之最强攻略(建议收藏)
Py之seaborn:数据可视化seaborn库(二)的组合图可视化之密度图/核密度图分布可视化.箱型图/散点图.小提琴图/散点图组合可视化的简介.使用方法之最强攻略(建议收藏) 目录 二.组合图可视 ...
- Py之Seaborn:数据可视化Seaborn库的柱状图、箱线图(置信区间图)、散点图/折线图、核密度图/等高线图、盒形图/小提琴图/LV多框图的组合图/矩阵图实现
Py之Seaborn:数据可视化Seaborn库的柱状图.箱线图(置信区间图).散点图/折线图.核密度图/等高线图.盒形图/小提琴图/LV多框图的组合图/矩阵图实现 目录
- R语言可视化分面图、假设检验分组t检验、可视化单变量分组分面箱图(faceting bar plot)、添加误差条(error bar)、添加p值、添加抖动数据点(jitter points)
R语言可视化分面图.假设检验分组t检验.可视化单变量分组分面箱图(faceting bar plot).添加误差条(error bar).添加p值.添加抖动数据点(jitter points) 目录
- R语言可视化分面图、假设检验分组t检验、可视化单变量分组分面箱图(faceting boxplot)并添加p值(Make facet boxplot and add p-values)、添加抖动数据点
R语言可视化分面图.假设检验分组t检验.可视化单变量分组分面箱图(faceting boxplot)并添加p值(Make facet boxplot and add p-values).添加抖动数据点 ...
最新文章
- 国务院发文!这些专业,将被撤销!
- linux创建启动连接数据库,DB2入门(1)--安装、启动、连接
- 使用cmd打开java文件,报错:“错误,编码GBK的不可映射字符”
- 【设计模式】面向对象 - 多态 ( 面向对象 3 要素 | 多态 提升 程序扩展性 | 多态示例 )
- 【产品]如何建立交互设计自查表
- C语言 | C语言中的switch语句以及循环语句(入门版本)
- (问题)c语言现代方法2th,自己编写的reminder.c程序 找错/修改/拓展延伸
- linux ubuntu 开启ssh服务,开启SSH服务远程登录ubuntu
- Git使用教程:最详细、最浅显、一文读懂Git常用操作!
- 《X战警:黑凤凰》国内票房破2亿 口碑却落了《复联4》一大截
- 安装Lync 2013过程中遇到的第一个报错
- 毕业之际,个人学习感言和收获
- MAC系统上,软件安装后的目录
- 设计模式解密(2)- 工厂模式(简单工厂、工厂方法、抽象工厂)
- 介绍一下ISO9000质量标准
- python在条件表达式中不允许使用_在条件表达式中不允许使用赋值运算符 = ,会提示语法错误。...
- 如何获得TTF字体中字符对应的编码?
- 一、基于workflow-core强势开发审批流【已成功流转50W笔单据】
- Mac下安装SecureCRT并激活 阿星小栈
- python绘制contourf填色图,数值超出色条设定的范围时出现空白区域
热门文章
- 树莓派 + Windows IoT Core 搭建环境监控系统
- 误删50节点K8s集群为何3小时才能复原?Spotify揭自家事故幕后经验
- 持续畅销20年的《C#高级编程》出第11版了!
- 微软云Azure训练营 | 八城联动,全球盛会
- Docker最全教程之使用Tencent Hub来完成CI(十)
- .net core grpc consul 实现服务注册 服务发现 负载均衡(二)
- 助力中小企业级连云端,促进工业互联网平台蓬勃发展,全套解决方案。附:技术产品
- 微软发布ReactXP:方便开发者构建跨平台应用
- 全球首发免费的MySql for Entity Framework Core
- 【ArcGIS微课1000例】0020:关于ArcCatalog,你知道多少?