![7273498b7178d3596ed4f4547a952dcf.png](https://img-blog.csdnimg.cn/img_convert/7273498b7178d3596ed4f4547a952dcf.png)
微信公众号:「Python读财」
如有问题或建议,请公众号留言
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。
![47fc7abeceb0319dc5607d058752ebf0.png](https://img-blog.csdnimg.cn/img_convert/47fc7abeceb0319dc5607d058752ebf0.png)
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,不再需要使用plt.show()
import numpy as np #导入numpy包,用于生成数组
import seaborn as sns #习惯上简写成sns
sn