Seaborn Kdeplot – 一份全面指南
大家好！在我们的Seaborn教程中，我们将着重介绍Seaborn的Kdeplot功能。
Kdeplot是什么？
Kdeplot 是一种核密度估计图，用于描述连续或非参数数据变量的概率密度函数，即我们可以绘制单变量或多个变量的图。使用 Python 的 Seaborn 模块，我们可以构建具有各种功能的 Kdeplot。
为了使用Seaborn模块，我们需要使用下面的命令来安装和导入该模块：
pip install seaborn
import seaborn
创建一个单变量的Seaborn Kdeplot
seaborn.kdeplot() 函数用于以单个/单变量方式绘制数据。它将数据值的概率分布表示为绘制曲线下的面积。
语法：
seaborn.kdeplot(data)
第一个例子：
Original: “I enjoy spending time with my family and friends.”
Paraphrased: “我喜欢与我的家人和朋友共度时光。”
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data)
plt.show()
在上面的例子中，我们使用numpy.random.randn（）函数生成了一些随机数据值。
结果：
例子2：
请给我一杯咖啡。
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()
在上面的例子中，我们使用参数’阴影’来突出显示曲线下的区域。此外，我们还可以使用参数’颜色’将不同的颜色设置给图表。
输出：
创建一个双变量的Seaborn Kdeplot
Seaborn的Kdeplots甚至可以用于根据多个数据变量或双变量数据绘制数据，以描述其中一个值与另一个值之间的概率分布。
语法：
seaborn.kdeplot(x,y)
因此，分布被表示为一幅等高线图，描述了两个数据变量之间的分布关系。
例如：
原句：The weather is very cold today.
Chinese paraphrase: 今天的天气非常寒冷。
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()
输出：
沿着垂直轴绘制Seaborn Kdeplot。
我们可以使用下面的语法在y轴上绘制Kdeplots。
句法:
seaborn.kdeplot(data,vertical=True)
因此，通过将“垂直”参数设置为True，我们可以在y轴上绘制出分布情况。
Here is the Chinese paraphrase of the given example:
例子：
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()
输出：
在Seaborn Kdeplot中使用色彩调色板
可以使用不同的色彩调色板与Seaborn图表一同使用，通过‘cmap’参数以更好的方式来展示数据。
在Matplotlib Colormap中有不同类型的颜色板可用。
句法：结构
seaborn.kdeplot(data,cmap)
请把以下句子用中文表达出来（只需要给出一个选项）：
例子：
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()
输出：
绘制两个带阴影的双变量Kdeplots
两个有阴影的双变量核密度图有助于理解数据的变化情况，以概率分布表示双变量数据组的数据变化。
例如：
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()
输出结果：
在Seaborn的Kdeplot上添加一个Colorbar。
色标将图像表示的值映射到原始数据值上，并帮助以更好的方式可视化数据。
语法：
seaborn.kdeplot(data,cbar=True)
For example, a professor might use a PowerPoint presentation to explain a complex topic to students.
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()
結果: 输出
结论
Seaborn模块是完全基于Matplotlib模块构建的，两者的组合被广泛用于以不同形式可视化数据。
我强烈推荐读者们通过Python Matplotlib教程，以更好地理解数据可视化的基础知识。
参考资料
- Seaborn Kdeplot – Documentation
