Seaborn Kdeplot — подробное руководство

Эй, ребята! В нашем руководстве по Seaborn мы сосредоточимся на Seaborn Kdeplot.

Что такое Кдеплот?

Kdeplot – это график оценки распределения ядра, который отображает функцию плотности вероятности непрерывных или непараметрических переменных данных, т. е. мы можем строить графики для одномерных или нескольких переменных в целом. Используя модуль Python Seaborn, мы можем создать Kdeplot с добавлением к нему различных функций.

Чтобы использовать модуль Seaborn, нам нужно установить и импортировать модуль с помощью следующей команды:

pip install seaborn

import seaborn

Создание одномерного морского Kdeplot

Функция seaborn.kdeplot() используется для построения графика данных по одной/одномерной переменной. Он представляет распределение вероятностей значений данных как площадь под построенной кривой.

Синтаксис:

seaborn.kdeplot(data)

Пример 1:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data)
plt.show()

В приведенном выше примере мы сгенерировали некоторые случайные значения данных, используя функцию numpy.random.randn().

Выход:

Пример 2:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data,color='green',shade=True)
plt.show()

В приведенном выше примере мы выделили график с помощью параметра «shade», чтобы выделить область под кривой. Далее мы можем задать разные цвета графику с помощью параметра - ‘color’.

Выход:

Создание двумерного морского Kdeplot

Seaborn Kdeplots можно даже использовать для построения графика данных по нескольким переменным данных или двумерным переменным (2), чтобы отобразить распределение вероятностей одного по отношению к другим значениям.

Синтаксис:

seaborn.kdeplot(x,y)

Таким образом, распределение представлено в виде контурного графика, изображающего взаимосвязь распределения между двумя переменными данных.

Пример:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],color='blue',shade=True)
plt.show()

Выход:

Построение графика Seaborn Kdeplot по вертикальной оси

Мы можем построить Kdeplots вдоль оси Y, используя следующий синтаксис:

Синтаксис:

seaborn.kdeplot(data,vertical=True)

Таким образом, установив для параметра vertical значение True, мы можем построить распределение по оси Y.

Пример:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],vertical=True,color='blue',shade=True)
plt.show()

Выход:

Использование цветовых палитр в Seaborn Kdeplot

Вместе с графиками Seaborn можно использовать различные цветовые палитры для лучшей визуализации данных с помощью параметра «cmap».

В Matplotlib Colormap доступны различные типы цветовых палитр.

Синтаксис:

seaborn.kdeplot(data,cmap)

Пример:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],shade=True,cmap="Purples_d")
plt.show()

Выход:

Построение двух затененных двумерных Kdeplots

Два заштрихованных двумерных Kdeplots помогают понять вариацию данных с точки зрения распределения вероятностей двумерной группы переменных данных.

Пример:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d")
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Blues")
plt.show()

Выход:

Добавление Colorbar в Seaborn Kdeplot

цветовая полоса сопоставляет графическое представление значений с исходными значениями данных и помогает лучше визуализировать данные.

Синтаксис:

seaborn.kdeplot(data,cbar=True)

Пример:

import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res=sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d",cbar=True)
plt.show()

Выход:

Заключение

Модуль Seaborn полностью построен на модуле Matplotlib, и эта комбинация широко используется для визуализации данных в различных формах.

Я настоятельно рекомендую читателям ознакомиться с учебником по Python Matplotlib, чтобы лучше понять основы визуализации данных.

Рекомендации

• Seaborn Kdeplot — документация