Python数据可是化seaborn(二) -- 直方图与密度图

分布数据可视化 - 直方图与密度图

distplot()
kdeplot()
rugplot()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn  as sns
%matplotlib inline


#设置风格、尺度
sns.set_style("darkgrid") 
sns.set_context("paper")


#屏蔽警告
import warnings
warnings.filterwarnings('ignore')

1.直方图 - distplot()

rs = np.random.RandomState(10)  # 设定随机数种子
s = pd.Series(rs.randn(100)*100)
sns.distplot(s, bins=10, hist=True, kde=False, norm_hist=False,rug=True, vertical=False, color='y', label='distplot', axlabel='x')

plt.legend()

'''
bins : 箱数
hist、ked：是否显示箱、密度曲线
norm_hist：直方图是否按照密度来显示
rug：是否显示数据分布情况
vertical：是否水平显示
color：设置颜色
label：图例
axlabel：x轴标注
'''

直方图颜色详细设置

sns.distplot(s,rug=True, 
                      rug_kws={'color':'g'}, # 设置数据频率分布颜色
                      kde_kws={'color':'r', 'lw':1, 'label':'KDE', 'linestyle':'--'}, 
                      # 设置密度曲线颜色，线宽，标注，线型
                      hist_kws={'histtype':'step', 'linewidth':1, 'alpha':1, 'color':'b'}) 
                      #设置箱子的风格、线宽、透明度、颜色，风格包括：bar, barstacked, step, stepfilled
                      

2.密度图 - kdeplot()

密度估计的步骤：

1. 每一个观测附近用一个正态分布曲线近似
2. 叠加所有观测的正态分布曲线
3. 归一化

seaborn.kdeplot(data，data2 = None，shade = False，vertical = False，kernel =‘gau’，bw =‘scott’，gridsize = 100，cut = 3，clip = None，legend = True，cumulative = False，shade_lowest = True，cbar = False，cbar_ax =无，cbar_kws =无，ax =无， kwargs)

shade: 如果为True，则用颜色填充KDE曲线下方的区域（或者在数据为双变量时用颜色填充的轮廓）
kernel: {‘gau’|‘cos’|‘biw’|‘epa’|‘tri’|‘triw’} 用于拟合的核，双变量值能用高斯核（gau）
bw: {‘scott’|‘silverman’|标量|一对标量} 确定核的大小，近似理解为拟合程度，bw越大，曲线越平缓。
gridsize：int, 网格中的离散点数
cumulative ：是否绘制累积分布
cbar：参数若为True，则会添加一个颜色条(颜色条在双变量kde图像中才有)

# 单个样本数据密度分布图

sns.kdeplot(s,
             shade=False, # 是否填充
             color='r',  # 设置颜色
             vertical=False # 设置是否水平
           )

sns.kdeplot(s, color='g', bw=5, label='bw: 5', linestyle='-', linewidth=1.2, alpha=0.5)

sns.kdeplot(s, color='b', bw=20, label='bw: 20', linestyle='--', linewidth=1.2, alpha=0.5)

# bw: 控制拟合的程度，类似直方图的箱数，值越大，越平滑

sns.rugplot(s, height=0.1, color='k', alpha=0.5)  # 数据频率分布图

sns.kdeplot(s,color='k',cumulative=True,
            linestyle = '--',linewidth = 2)
plt.show()

两个样本数据密度分布图

rs = np.random.RandomState(2)
df = pd.DataFrame(rs.randn(100,2), columns=['A','B'])

sns.kdeplot(df['A'],df['B'],
            cbar=True,  # 是否显示颜色图例
            shade=True, # 是否填充
            cmap='Reds_r', # 设置颜色盘
            shade_lowest=False,  # 最外围颜色是否显示
            n_levels=10  # 曲线个数（如果非常多，则会越平滑）
           )

# 两个维度数据生成曲线密度图，以颜色作为密度衰减显示

sns.rugplot(df['A'], color='g', axis='x', alpha=0.5)
sns.rugplot(df['B'], color='b', axis='y', alpha=0.5)

plt.scatter(df['A'],df['B'],s=5, alpha=0.5, color='k')  # 散点图

多个密度图

rs1 = np.random.RandomState(2)
rs2 = np.random.RandomState(5)
df1 = pd.DataFrame(rs.randn(100,2)+2, columns=['A','B'])
df2 = pd.DataFrame(rs.randn(100,2)-2, columns=['A','B'])

sns.kdeplot(df1['A'], df1['B'], cmap='Greens', shade=True, shade_lowest=False)
sns.kdeplot(df2['A'], df2['B'], cmap='Blues', shade=True, shade_lowest=False)