接上
2.密度图(kde)
sns.kdeplot(data,data2=None,shade=False)
单变量密度图
n = 1024
x = np.random.normal(0,1,n)
g = sns.kdeplot(x)
plt.title('密度图',fontproperties='SimHei')
plt.savefig("F:\\01.jpg")
结果:
shade阴影
g = sns.kdeplot(x,shade=True)
结果:
多变量密度图
n=1024
x = np.random.normal(0,1,n)
y = np.random.normal(0,1,n)
g = sns.kdeplot(x,y)
结果:
shade阴影
g = sns.kdeplot(x,y,shade=True)
结果:
bw参数
- 通过bw(bandwidth)参数指定kde拟合的精度,类似于直方图中的bins的效架
- bw越小,曲线越精细
sns.kdeplot(tips['total_bill'],shade=True)
sns.kdeplot(tips['total_bill'],bw=0.1,label='bw:0.1')
sns.kdeplot(tips['total_bill'],bw=0.5,label='bw:0.5')
sns.kdeplot(tips['total_bill'],bw=3,label='bw:3')
sns.kdeplot(tips['total_bill'],bw=6,label='bw:6')
plt.legend()
plt.savefig("F:\\01.jpg")
结果:
3.连接图
sns.jointplot(x,y,data=None,kind='scatter')
- kind:参数是绘制的双变量图形类型,取值主要有scatter(散点)、reg(线性回归)、kde(密度)、hex(六角形)。scatter是默认值。
1.默认图
n =1024
x = np.random.normal(0,1,n)
y = np.random.normal(2,3,n)
g = sns.jointplot(x,y)