import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['axes.unicode_minus']=False
df = pd.read_csv("C:/Users/GYX/Desktop/mpg_ggplot2.csv")
#筛选气缸数为4的汽车所走的里程数
c4 = df.loc[df.cyl==4,'cty'].values
c5 = df.loc[df.cyl==5,'cty'].values
c6 = df.loc[df.cyl==6,'cty'].values
c8 = df.loc[df.cyl==8,'cty'].values
sns.kdeplot(c4,label = 'Cyl=4',color='blue',alpha=0.6,shade = True)
sns.kdeplot(c5,label='Cyl=5',color='orange',alpha=0.6,shade=True)
sns.kdeplot(c6,label='Cyl=6',color='deeppink',alpha=0.6,shade=True)
sns.kdeplot(c8,label='Cyl=8',color='green',alpha=0.6,shade=True)
#添加装饰
plt.title("城市里程随缸数变化图0")
plt.xlabel("城市里程",fontsize=12)
plt.ylabel("密度",fontsize=12)
plt.xticks(fontsize=12)
密度图
最新推荐文章于 2024-08-13 11:20:40 发布
本文详细探讨了密度图的概念,通过实例展示了如何利用Python的Matplotlib和Seaborn库创建密度图,以及在数据分析中如何解读和运用密度图进行数据可视化,帮助读者更好地理解分布特征。
摘要由CSDN通过智能技术生成