带有边缘直方图的散点图，Python皮
原文:https://www . geesforgeks . org/带有边缘直方图的散点图-python-in-seaborn/
先决条件 : 海伯恩
边缘直方图散点图基本上是两个变量的边缘分布的联合分布图。在数据可视化中，我们经常绘制两个随机变量(双变量分布)或任意数量的随机变量的联合行为。但是如果数据太大，重叠可能是一个问题。因此，为了区分变量，将每个变量的概率分布放在联合图上是有用的。随机变量的这种个体概率分布被称为其边际概率分布。
在 seaborn，这可以通过 jointplot() 来实现。使用散点图()表示双变量分布，使用历史图()表示边际分布。
方法
- 导入 seaborn 库
- 加载您选择的数据集
- 对数据集的变量使用 jointplot()
例 1:
Python 3
# importing and creating alias for seaborn
import seaborn as sns
# loading tips dataset
tips = sns.load_dataset("tips")
# plotting scatterplot with histograms for features total bill and tip.
sns.jointplot(data=tips, x="total_bill", y="tip")
输出:
jointplot _ with _ 直方图
示例 2: 使用 kind =“reg”属性，可以添加线性回归拟合和单变量 KDE 曲线。
Python 3
import seaborn as sns
tips = sns.load_dataset("tips")
# here "*" is used as a marker for scatterplot
sns.jointplot(data=tips, x="total_bill", y="tip", kind="reg", marker="*")
输出:
线性回归拟合的散点图
示例 3: 要向散点图添加条件颜色，可以使用色调属性，但它会在边缘轴上绘制单独的密度曲线(使用 kdeplot())。
Python 3
import seaborn as sns
tips = sns.load_dataset("tips")
sns.jointplot(data=tips, x="total_bill", y="tip", hue="time")
输出:
散点图 3
版权属于：月萌API www.moonapi.com，转载请注明出处
