1、 导入库
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
2、 概率密度图–kdeplot的应用
第一个参数:要绘制的图像数据
第二个参数:shade 是否填充颜色
dataSet =pd.read_csv(r'F:\Pycharmworkspace\data\多分类问题\客户类别分类_多分类.csv',sep=',')
label = np.unique(dataSet.iloc[:,-1])
for i in range(len(label)):
data = dataSet.loc[dataSet.iloc[:,-1]==label[i],'age']
data.reset_index(drop=True, inplace=True)
sns.kdeplot(data
,shade=True
,color=plt.cm.tab10(i)
,linewidth=1
,linestyle='-'
,label=label[i]
)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('年龄-客户概率密度');
3、 直方密度图–distplot的应用
参数bins表示对传入的数据分成几组
rdata = np.random.randn(100)
sns.distplot(rdata
,bins=10
,hist=True
,kde=True
,hist_kws={'histtype':'bar','alpha':0.4}
,kde_kws={'color':'g','linestyle':'--','linewidth':1,'alpha':0.7}
);
4、 多条数据
rdata = np.random.randn(100,3)
plt.figure(figsize=(8,4))
for i in range(3):
sns.distplot(rdata[:,i]
,bins=10
,hist=True
,kde=True
,hist_kws={'color':plt.cm.tab10(i/3),'histtype':'bar','alpha':0.4}
,kde_kws={'color':plt.cm.tab10(i/3),'linestyle':'--','linewidth':1,'alpha':0.9}
,label=i
)
plt.legend();