【Seaborn】sns.displot() 函数： 数据分布可视化（直方图、核密度估计图、ECDF图）

sns.displot() —— 分布可视化（Distribution Plot）

seaborn.displot()（distribution plot）是用于 数据分布可视化 的函数，支持 直方图（histogram）、密度图（KDE）、ECDF图 等。

---

1. 语法

import seaborn as sns

sns.displot(data=None, x=None, kind="hist", bins=10, kde=False, hue=None, rug=False)

主要参数

参数	作用
data	DataFrame 数据集
x	需要可视化的数值变量
kind	选择图表类型："hist"（默认直方图）、"kde"（密度曲线）、"ecdf"（累计分布）
bins	直方图的分组数（默认 10）
kde	是否绘制密度曲线
hue	按类别分类
rug	是否添加散点（数据分布）

---

2. 基本用法

2.1 直方图

import seaborn as sns
import matplotlib.pyplot as plt

# 载入数据
data = sns.load_dataset("penguins")

# 绘制直方图
sns.displot(data=data, x="flipper_length_mm", bins=20)

plt.title("Flipper Length Distribution")
plt.show()

📌 说明

• x="flipper_length_mm" 选择需要可视化的数值变量。
• bins=20 指定 20 个区间。
  

---

2.2 直方图 + KDE 曲线

sns.displot(data=data, x="flipper_length_mm", bins=20, kde=True)

plt.show()

📌 作用

• kde=True 添加核密度估计（KDE），用于平滑显示分布。
  

---

3. KDE 密度曲线

3.1 纯 KDE 图

sns.displot(data=data, x="flipper_length_mm", kind="kde")

plt.show()

📌 说明

• kind="kde" 仅显示 核密度曲线（适用于 平滑连续数据）。
  

---

4. 分类数据可视化

4.1 按类别显示（hue 参数）

sns.displot(data=data, x="flipper_length_mm", hue="species", bins=20, kde=True)

plt.show()

📌 说明

• hue="species" 按 species 物种分类，不同类别不同颜色。
  

---

5. 其他分布类型

5.1 ecdf（累积分布）

sns.displot(data=data, x="flipper_length_mm", kind="ecdf")

plt.show()

📌 说明

• kind="ecdf" 显示 累计概率密度函数（ECDF）。
  

---

6. sns.displot() vs sns.histplot()

	sns.displot()	sns.histplot()
返回对象	FacetGrid（适用于子图）	AxesSubplot
适用于	多个类别对比	单图分析
hue 分类	✅ 支持	✅ 支持

sns.histplot(data=data, x="flipper_length_mm", bins=20, kde=True)
plt.show()

📌 推荐

• 单个变量分析 → histplot()
• 多类别、多个图 → displot()
  

---

7. 总结

✅ sns.displot() 适用于 数据分布可视化，支持 直方图、KDE、ECDF。
✅ 常见参数

• bins 控制分组数，kde=True 添加密度曲线。
• hue 分类数据，kind="kde" 仅绘制密度图。