Python数据分析-绘图-2-Seaborn进阶绘图-3-分布图
一、kdeplot
核密度估计用来估计未知的密度函数，是非参数检验之一。直观上来看是平滑后的直方图。核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。
函数：seaborn.kdeplot
常用参数：
| data | array，用于绘制核密度图的数据 |
| data2 | array，如果传入数据，将估计双变量核密度。 |
| vertical | bool，指定y轴还是x轴为密度。 |
| kernal | “gau”“cos”“biw”“epa”“ri”“triw”，选择核函数。双变量只能使用“gau”高斯核密度 |
| shade | bool，是否在kde曲线下着色。 |
| gridsize | int，网格中离散点个数，默认为100. |
| cumulative | bool，是否绘制累积分布，默认为False |
| cbar | bool，是否添加颜色棒，默认为False。 |
iris=sns.load_dataset('iris')
iris.head()
>sepal_lengthsepal本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！