第15天 | Seaborn数据分析,核密度估计图,概率论

本文介绍了Seaborn库中的核密度估计图(kdeplot)在数据分析中的作用,它用于估计未知密度函数并揭示数据分布特征。kdeplot支持单变量和双变量估计,提供多种自定义选项,如shade、kernel和cmap等。通过示例代码展示了kdeplot的使用,帮助理解如何创建和定制核密度估计图。
摘要由CSDN通过智能技术生成

核密度估计图kdeplot,是在概率论中用来估计未知的密度函数,属于非参数检验方法之一,它可以比较直观的看出数据样本本身的分布特征。kdeplot支持单变量和双变量的核密度估计,效果和displot(hist=False)一致,但它拥有更多的自定义设置,语法为:​​​​​​​

kdeplot(x=None, *, y=None, shade=None,  vertical=False,  
        kernel=None, bw=None, gridsize=200, cut=3, clip=None, 
        legend=True, cumulative=False, shade_lowest=None,      
        cbar=False, cbar_ax=None, cbar_kws=None, ax=None,
        weights=None, hue=None, palette=None, hue_order=None, 
        hue_norm=None, multiple="layer", common_norm=True, 
        common_grid&#
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值