核密度估計是概率論上用來估計未知的密度函數(shù)，屬于非參數(shù)檢驗，通過核密度估計圖可以比較直觀的看出樣本數(shù)據(jù)本身的分布特征

#參數(shù)如下：
sns.kdeplot(data,data2=None,shade=False,vertical=False,kernel='gau',bw='scott',gridsize=100,cut=3,clip=None,legend=True,cumulative=False,shade_lowest=True,cbar=False, cbar_ax=None, cbar_kws=None, ax=None, *kwargs)

主要用來繪制特征變量y值的分布，看看數(shù)據(jù)符合哪種分布
用的地方不多，了解為主，不需要深入研究

只有x一個參數(shù)

import matplotlib.pyplot as plt 
import numpy as np
import pandas as pd 
import seaborn as sns 
sns.set()  #切換到sns的默認(rèn)運(yùn)行配置

x=np.random.randn(100)
plt.plot(x)  #這樣是無法看出分布

sns.kdeplot(x)

cumulative ：是否繪制累積分布

#是否累計
sns.kdeplot(x,cumulative=True)

shade：若為True，則在kde曲線下面的區(qū)域中進(jìn)行陰影處理，color控制曲線及陰影的顏色

#是否進(jìn)行陰影處理
sns.kdeplot(x,shade=True,color="g")

vertical：表示以X軸進(jìn)行繪制還是以Y軸進(jìn)行繪制

#y軸畫圖
sns.kdeplot(x,vertical=True)

二元kde圖像，很少使用，稍微了解一下即可

#x,y
y=np.random.randn(100)
sns.kdeplot(x,y)

#cbar：參數(shù)若為True，則會添加一個顏色棒(顏色幫在二元kde圖像中才有)
sns.kdeplot(x,y,shade=True,cbar=True)

全部代碼如下：

import matplotlib.pyplot as plt 
import numpy as np
import pandas as pd 
import seaborn as sns 
sns.set()  #切換到sns的默認(rèn)運(yùn)行配置

x=np.random.randn(100)
plt.plot(x)  #這樣是無法看出分布

sns.kdeplot(x)

#是否累計
sns.kdeplot(x,cumulative=True)


#是否進(jìn)行陰影處理
sns.kdeplot(x,shade=True,color="g")

#y軸畫圖
sns.kdeplot(x,vertical=True)

#x,y
y=np.random.randn(100)
sns.kdeplot(x,y)

#cbar：參數(shù)若為True，則會添加一個顏色棒(顏色幫在二元kde圖像中才有)
sns.kdeplot(x,y,shade=True,cbar=True)

總結(jié)

以上是生活随笔為你收集整理的sns.kdeplot()核密度估计图的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。