Шаг 127.
Язык Python. Визуализация данных.
Библиотека Seaborn. Визуализация распределений в данных. Функция kdeplot()

    На этом шаге мы рассмотрим назначение и примеры использования этой функции.

    Функция kdeplot() отображает одномерную либо двумерную ядерную оценку плотности - kernel density estimate (далее KDE). Данные по которым строятся графики передаются через параметры data и data2 (в случае двумерной оценки):

data: одномерный массив
Набор данных для построения графика.

data2: одномерный массив, optional
Дополнительный набор данных, если необходимо построить двумерную KDE.

    Загрузим наборы данных tips и mpg, после чего построим KDE для параметра displacement:

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

tips = sns.load_dataset("tips")
mpg = sns.load_dataset("mpg")

sns.kdeplot(mpg["displacement"])

plt.show()
Архив с файлом можно взять здесь.


Рис.1. Демонстрация работы функции kdeplot(). Одномерный вариант

    Пример двумерной KDE:

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

tips = sns.load_dataset("tips")
mpg = sns.load_dataset("mpg")

sns.kdeplot(tips["total_bill"], tips["tip"])

plt.show()
Архив с файлом можно взять здесь.


Рис.2. Демонстрация работы функции kdeplot(). Двумерный вариант

    Построим диаграмму, аналогичную приведённой на рисунке 2, для набора mpg:

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

tips = sns.load_dataset("tips")
mpg = sns.load_dataset("mpg")

x = mpg["cylinders"]
y = mpg["displacement"]
sns.kdeplot(x, y)

plt.show()
Архив с файлом можно взять здесь.


Рис.3. Демонстрация работы функции kdeplot() на наборе данных mpg

    На следующем шаге мы закончим изучение этого вопроса.




Предыдущий шаг Содержание Следующий шаг