seaborn数据总体分布的可视化策略

欢迎关注”生信修炼手册”!

在查看一个数据的分布时，常用的可视化形式有直方图，密度分布图等，在seaborn中，相关的函数有以下几个

1. histplot. 通过直方图来展示数据分布

2. kdeplot, 通过密度分布图来展示数据分布

3. ecdfplot. 通过累积分布曲线来展示数据分布

4. rugplot. 通过x轴和y轴的边际分布来展示数据分布

下面通过一些基本的例子来感受下各自的可视化形式，histplot示例如下

>>> df = pd.read_csv('penguins.csv')
>>> sns.histplot(df, x='flipper_length_mm')
>>> plt.show()

输出结果如下

kedplot示例如下

>>> sns.kdeplot(data=df, x='flipper_length_mm')
>>> plt.show()

输出结果如下

ecdfplot示例如下

>>> sns.ecdfplot(data=df, x='flipper_length_mm')
>>> plt.show()

输出结果如下

rugplot示例如下

>>> sns.rugplot(data=df, x='flipper_length_mm')
>>> plt.show()

输出结果如下

在实际使用中，histplot和kdeplot是使用的最高频的，其次是rugplot, 最后是ecdfplot。对于这一类函数而言，有许多的通用参数，以histplot为例，来看下这些参数的作用

1. x和y

数据分布通常是