qq_38941890的博客

如何使用python绘制ROC曲线？

小提琴图小提琴图显示了定量数据在一个(或多个)变量在不同层次上的分布，这样就可以比较这些分布。不同于箱式图，其中所有的图成分对应于实际的数据点，小提琴图特征是底层分布的核密度估计。我个人感觉小提琴图和箱式图要传递的信息比较类似，小提琴图应该适合样本量较大的时候，这样估计的概率分布会比较准确，箱式图在样本量小的时候，可以比较明确的看到每一个样本所处的位置代码部分基于python的seaborn提供的一个小提琴图小demoimport seaborn as snsimport matplotlib.p

joinplot 绘制相关图（不错的配色组合）相关图（散点+回归）import numpy as npimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltsns.set(style="darkgrid")# tips:数据，dataframe,里面有‘duration2’，‘roi51’两列# 通过ratio 来压缩分布g=(sns.jointplot(x='duration2',y='roi51'

前言现在想自定义一个colormap，在网上搜索发现可以使用LinearSegmentedColormap将一个离散的颜色列表通过线性插值转换为一个指定颜色数目的colormap。之后就可以直接在python中绘图使用了。import matplotlib as mplfrom pylab import *import matplotlib.pyplot as pltfrom matplotlib.colors import ListedColormap,LinearSegmentedColorm

因为jointplot就是联合绘图，通常边缘上绘制分布图，中间绘制其它的（比如核密度图），所以如何去除边缘的分布图，再叠加一条回归线呢,可以用于替换常规散点图表示相关图的方式？