seaborn绘图03

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)