python 二元正态分布_【Python可视化1】Seaborn之数据分布的呈现

Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变得精致。但应强调的是，应该把Seaborn视为matplotlib的补充，而不是替代物。

Seaborn的安装

>>>pip install seaborn

安装完Seaborn包后，我们就开始进入接下来的学习啦，首先我们介绍kdeplot的画法。

注：所有代码均是在IPython notebook中实现

---

 kdeplot(核密度估计图)

核密度估计(kernel density estimation)是在概率论中用来估计未知的密度函数，属于非参数检验方法之一。通过核密度估计图可以比较直观的看出数据样本本身的分布特征。具体用法如下：

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=None, cbar_kws=None, ax=None, **kwargs)

我们通过一些具体的例子来学习一些参数的用法：

首先导入相应的库

%matplotlib inline  #IPython notebook中的魔法方法，这样每次运行后可以直接得到图像