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
matplotlib
import
import
0
import
1import
2
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
import
3
import
4import
5 import
6import
7import
8
import
9import
5 import
6import
7import
8
pandas as pd
4
pandas as pd
5
đầu ra
Sau đó, sau khi kiểm tra trục y
Python3
pandas as pd
6
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 pd
7import
5 pandas as pd
9import
8
đầu ra
Bạn có thể thay đổi màu Shade với các thuộc tính màu
Python3
pandas as pd
7import
5 pandas as pd
9 import
4import
5 import
6import
8
đầu ra
Sử dụng Dọc để vẽ cho biết nên vẽ trên trục X hay trên trục Y
Python3
import
8import
5 pandas as pd
9import
8
đầu ra
Bivariate Kdeplot cho hai biến.
Đơn giản chuyển hai biến vào seaborn. các phương thức kdeplot[]
Python3
seaborn as sb
2
đầu ra
Tô bóng khu vực được bao phủ bởi một đường cong với các thuộc tính bóng râm
Python3
seaborn as sb
3import
5 pandas as pd
9import
8
đầu ra
Bây giờ bạn có thể thay đổi màu sắc với các thuộc tính cmap
Python3
seaborn as sb
7import
5 seaborn as sb
9import
8
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
import
1import
5______29import
4import
5pandas as pd
9import
8
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
import
8import
5 numpy as np
0numpy as np
1import
8
import
8
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 np
4import
5 numpy as np
6import
5import
5numpy as np
9from
0
from
1import
5 numpy as np
6import
5import
5 from
6from
0
from
8
đầu ra
Xem một ví dụ khác nếu chúng ta muốn tính một thuộc tính biến khác là sepal_width và sepal_length