如何用海伯恩历史图制作密度图直方图？
原文:https://www . geeksforgeeks . org/how-to-do-直方图-带密度的图-带海底的图-histplot/
直方图是表示一组连续数据分布的可视化工具。在直方图中，数据被分成一组区间或区间(通常在 x 轴上)，落入每个区间的数据点的数量对应于该区间上方的条的高度。这些仓的宽度可以相等，也可以不相等，但它们是相邻的(没有间隙)。
密度图(也称为核密度图)是评估数据分布的另一个可视化工具。它可以被认为是平滑的直方图。密度图的峰值有助于显示值在区间内的集中位置。有多种平滑技术。核密度估计 (KDE)是用于平滑直方图的技术之一。
Seaborn 是一个基于 Python 中 matplotlib 的数据可视化库。在本文中，我们将使用seaborn . hist plot()绘制带有密度图的直方图。
语法: seaborn.histplot(data，x，y，hue，stat，bin，binwidth，discrete，kde，log_scale)
参数:-
- 数据:以 Dataframe 或 Numpy 数组形式输入数据
- x，y (可选):分别位于 x 轴和 y 轴的数据键
- 色调(可选):映射确定地块元素颜色的语义数据键
- stat (可选):计数、频率、密度或概率
返回:该方法返回 matplotlib 轴及其上绘制的图。
示例 1: 我们将使用 random.randn()方法生成数据。
Python 3
# Import necessary libraries
import seaborn as sns
import numpy as np
import pandas as pd
# Generating dataset of random numbers
np.random.seed(1)
num_var = np.random.randn(1000)
num_var = pd.Series(num_var, name = "Numerical Variable")
# Plot histogram
sns.histplot(data = num_var, kde = True)
输出:
默认情况下 seaborn.histplot 的 kde 参数设置为假。因此，通过将 kde 设置为真，计算核密度估计以平滑分布，并绘制密度图线。
示例 2: 让我们使用这个示例中来自 Seaborn 库的样本数据集企鹅。该数据集显示了不同岛屿上不同企鹅物种的特征(体重、鳍状肢长度、喙长性别)。
Python 3
# Import necessary libraries
import numpy as np
import pandas as pd
import seaborn as sns
# Load dataset
penguins = sns.load_dataset("penguins")
# Plot histogram
sns.histplot(data = penguins, x = "body_mass_g", kde = True)
输出:
我们还可以在单个图中可视化多个物种的体重分布。色调参数映射语义变量“物种”。
Python 3
# Plot Histogram
sns.histplot(data = penguins, x = "body_mass_g", kde = True, hue = "species")
输出:
示例 3: 本示例使用来自 Seaborn 库的样本数据集 Tips ，该数据集记录了餐厅服务器收到的 Tips。它包括收到的小费总额或餐费、顾客的性别、顾客聚会的规模、日期、时间以及吸烟者是否出席聚会。这个例子中的直方图不是数据点的计数，而是归一化的，这样每个条的高度显示一个概率。
Python 3
# Import necessary libraries
import numpy as np
import pandas as pd
import seaborn as sns
# Load dataset
tips = sns.load_dataset("tips")
# Plot histogram
sns.histplot(data = tips, x = "size", stat = "probability", discrete = True)
输出:
版权属于：月萌API www.moonapi.com，转载请注明出处
