python scatter参数详解_python数据可视化seaborn（二）—— 分布数据可视化

这篇文章是Python可视化seaborn系列的第二篇文章，本文将详解seaborn如何探索数据的分布。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
% matplotlib inline

sns.set(context='notebook',font='simhei',style='whitegrid')
# 设置风格尺度和显示中文

import warnings
warnings.filterwarnings('ignore')  # 不发出警告

单变量

直方图 displot

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)

• bins → 箱数
• hist、ked、rug → bool,是否显示箱/密度曲线/数据分布
• norm_hist → 直方图是否按照密度来显示，如果为False,显示计数
• {hist，kde，rug，fit} _kws：字典，对应部分的各种参数。
• vertical → 是否水平显示
• fit → 可结合scipy库在图像上做拟合
• label → 图例
• axlabel → x轴标注

# 直方图
from scipy.stats import norm #使用直方图和最大似然高斯分布拟合绘制分布

rs = np.random.RandomState(50)  # 设置随机数种子
s = pd.Series(rs.randn(100)*100)

plt.figure(figsize=(8,4))
sns.distplot(s, bins=10, hist=True, kde=False, norm_hist=False,
            rug=True, vertical=False,label='distplot',
            axlabel='x轴',hist_kws={
    'color':'y','edgecolor':'k'},
            fit=norm)
# 用标准正态分布拟合
plt.legend()
plt.grid(linestyle='--')
plt.show()

plt.figure(figsize=(8,4))
sns.distplot(s,rug = True,
            rug_kws = {
    'color':'b'} ,
            # 设置数据频率分布颜色
            kde_kws={
    "color": "k", "lw": 2, "label": "KDE",'linestyle':'--'},
            # 设置密度曲线颜色，线宽，标注、线形
            hist_kws={
    "histtype": "step", "linewidth": 2,"alpha": 1, "color": "g"})  
            # 设置箱子的风格、线宽、透明度、颜色
            # 风格包括：'bar', 'barstacked', 'step', 'stepfilled'
plt.show()

核密度估计图 kdeplot

核密度估计的步骤：

• 每一个观测附近用一个正态分布曲线近似
• 叠加所有观测的正态分布曲线
• 归一化

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 =无，cbar_kws =无，ax =无， kwargs ）

• shade: 如果为True，则用颜色填充KDE曲线下方的区域（或者在数据为双变量时用颜色填充的轮廓）
• kernel: {‘gau’|‘cos’|‘biw’|‘epa’|‘tri’|‘triw’} 用于拟合的核，双变量值能用高斯核（gau）
• bw: {'sco