Kernel Density Estimate [KDE] Plot và Kdeplot cho phép chúng tôi ước tính hàm mật độ xác suất của hàm liên tục hoặc không tham số từ đường cong tập dữ liệu của chúng tôi ở một hoặc nhiều thứ nguyên, điều đó có nghĩa là chúng tôi có thể tạo biểu đồ một biểu đồ cho nhiều mẫu giúp ích nhiều hơn
Để sử dụng mô-đun Seaborn, chúng ta cần cài đặt mô-đun bằng lệnh bên dưới
pip install seaborn
cú pháp. sinh ra biển. kdeplot[x=Không, *, y=Không, vertical=Sai, bảng màu=Không, **kwargs]
Thông số
x, y. vectơ hoặc khóa trong dữ liệu
thẳng đứng. boolean [Đúng hoặc Sai]
dữ liệu. gấu trúc. Khung dữ liệu, numpy. ndarray, ánh xạ hoặc trình tự
Chúng ta tìm hiểu cách sử dụng một số tham số thông qua một số ví dụ cụ thể
Đầu tiên nhập thư viện tương ứng
Python3
import pandas as pd
import seaborn as sb
import numpy as np
from matplotlibimport import0
import1import2
Vẽ một hình ảnh kde một chiều đơn giản
Hãy xem Kde của trục x và trục y biến của chúng ta, vì vậy hãy chuyển biến x vào các phương thức kdeplot[]
Python3
import3
import4import5 import6import7import8
import9import5 import6import7import8
pandas as pd4
pandas as pd5
đầu ra
Sau đó, sau khi kiểm tra trục y
Python3
pandas as pd6
đầu ra
Sử dụng Shade để lấp đầy khu vực được bao phủ bởi đường cong.
Chúng ta có thể làm nổi bật cốt truyện bằng cách sử dụng bóng râm cho khu vực được bao phủ bởi đường cong. Nếu Đúng, quá trình xử lý bóng được thực hiện ở khu vực bên dưới đường cong kde và màu sẽ kiểm soát màu của đường cong và bóng
Python3
pandas as pd7import5 pandas as pd9import8
đầu ra
Bạn có thể thay đổi màu Shade với các thuộc tính màu
Python3
pandas as pd7import5 pandas as pd9 import4import5 import6import8
đầu ra
Sử dụng Dọc để vẽ cho biết nên vẽ trên trục X hay trên trục Y
Python3
import8import5 pandas as pd9import8
đầu ra
Bivariate Kdeplot cho hai biến.
Đơn giản chuyển hai biến vào seaborn. các phương thức kdeplot[]
Python3
seaborn as sb2
đầu ra
Tô bóng khu vực được bao phủ bởi một đường cong với các thuộc tính bóng râm
Python3
seaborn as sb3import5 pandas as pd9import8
đầu ra
Bây giờ bạn có thể thay đổi màu sắc với các thuộc tính cmap
Python3
seaborn as sb7import5 seaborn as sb9import8
đầu ra
Sử dụng Cbar. Nếu Đúng, hãy thêm một thanh màu để chú thích ánh xạ màu trong biểu đồ hai biến số. Ghi chú. Hiện không hỗ trợ tốt các ô có biến màu sắc
Python3
import1import5______29import4import5pandas as pd9import8
đầu ra
Hãy xem ví dụ với Bộ dữ liệu Iris là phân phối biểu đồ cho từng cột của tập dữ liệu dạng rộng
Bộ dữ liệu mống mắt bao gồm 3 loại diên vĩ khác nhau' [Setosa, Versicolour và Virginica] chiều dài cánh hoa và đài hoa, được lưu trữ trong tệp numpy 150×4. ndarray
Đang tải bộ dữ liệu mống mắt cho Kdeplot
Python3
import8import5 numpy as np0numpy as np1import8
import8
đầu ra
Bivariate Kdeplot cho hai biến iris
Khi chúng ta đã thiết lập loài, nếu chúng ta muốn tính toán chiều dài cánh hoa và chiều rộng cánh hoa thì Đơn giản chuyển hai biến [Setosa và virginica ] vào seaborn. các phương thức kdeplot[]
Python3
numpy as np4import5 numpy as np6import5import5numpy as np9from0
from1import5 numpy as np6import5import5 from6from0
from8
đầu ra
Xem một ví dụ khác nếu chúng ta muốn tính một thuộc tính biến khác là sepal_width và sepal_length