Python数据分析-绘图-2-Seaborn进阶绘图-3-分布图

一、kdeplot

核密度估计用来估计未知的密度函数，是非参数检验之一。直观上来看是平滑后的直方图。核密度估计方法不利用有关数据分布的先验知识，对数据分布不附加任何假定，是一种从数据样本本身出发研究数据分布特征的方法，因而，在统计学理论和应用领域均受到高度的重视。

函数：seaborn.kdeplot

常用参数：

data	array，用于绘制核密度图的数据
data2	array，如果传入数据，将估计双变量核密度。
vertical	bool，指定y轴还是x轴为密度。
kernal	“gau”“cos”“biw”“epa”“ri”“triw”，选择核函数。双变量只能使用“gau”高斯核密度
shade	bool，是否在kde曲线下着色。
gridsize	int，网格中离散点个数，默认为100.
cumulative	bool，是否绘制累积分布，默认为False
cbar	bool，是否添加颜色棒，默认为False。

iris=sns.load_dataset('iris')
iris.head()
>

sepal_lengthsepal