【Python】数据可视化之核密度

KDEPlot（Kernel Density Estimate Plot，核密度估计图）是seaborn库中一个用于数据可视化的函数，它基于核密度估计（KDE）这一非参数统计方法来估计数据的概率密度函数。KDEPlot能够直观地展示数据的分布特征，对于单变量和双变量数据均适用。

 

目录

基本思想

主要参数

沿轴绘制

平滑调整

多类绘制 

堆叠分布

二元分布

---

基本思想

核密度估计（Kernel Density Estimation, KDE）是一种用于估计随机变量概率密度函数的非参数方法。在统计学和概率论中，当我们不知道数据背后的确切分布形式时，核密度估计提供了一种灵活的方式来估计数据的分布形态。这种方法特别适用于小样本数据和复杂分布的情况。

核密度估计的基本思想是将每一个数据点看作是一个小型的、平滑的“核”函数（通常是正态分布、均匀分布或其他形式的对称、平滑函数）的中心，然后计算这些核函数在整个数据空间上的叠加结果。这个叠加的结果就是整个数据集的密度估计。

主要参数

• data：要绘制的数据集，可以是一维数组（单变量）或二维数组/DataFrame（双变量）。
• shade：是否在核密度曲线下绘制阴影，默认为True。阴影可以帮助更直观地展示数据的分布范围。
• color：曲线的颜色，默认为绿色（'g'）。
• hue ：语义映射以确定绘图元素颜色的语义变量。
• linewidth：曲线的宽度，默认为1。
• bw（bandwidth）：核密度估计的带宽，控制曲线的平滑程度。默认为'scott'，即使用Scott的规则自动计算带宽。
• bw_adjust ： 平滑程度缩放的因子。增加将使曲线更平滑。
• gridsize：用于计算核密度的网格大小，默认为100。增加此值可以提高图形的分辨率，但也会增加计算时间。
• cumulative：是否绘制累积密度函数（CDF），默认为False。如果设置为True，则绘制的是数据的累积分布函数而非概率密度函数。
• vertical：在单变量输入时有效，用于控制是否颠倒x-y轴位置，默认为False。
• kernel：核密度估计的方法，默认为'gau'（高斯核）。特别地，在二维变量的情况下仅支持高斯核方法。
• cmap：在绘制二维KDE图时使用的颜色映射（colormap），用于控制核密度区域的递进色彩方案。

沿轴绘制

沿x轴绘制单变量分布

tips = sns.load_dataset("tips")
sns.kdeplot(data=tips, x="total_bill", shade=True, color="g")

沿y轴绘制单变量分布

sns.kdeplot(data=tips, y="total_bill", shade=True, color="g")

平滑调整

使用更少的平滑

sns.kdeplot(data=tips, x="total_bill", bw_adjust=.1, shade=True, color="b")

使用更多的平滑（不绕过极端值）

ax= sns.kdeplot(data=tips, x="total_bill", bw_adjust=5, cut=0, shade=True, color="b")

 

 

多类绘制 

绘制多类或多列数据 

iris = sns.load_dataset("iris")
sns.kdeplot(data=iris, shade=True)

使用不同的调色 

iris = sns.load_dataset("iris")
sns.kdeplot(data=iris, shade=True, palette="crest")

 

堆叠分布

堆叠条件分布multiple="stack"

sns.kdeplot(data=tips, x="total_bill", hue="time", multiple="stack", palette="PRGn")

 

按照填充堆叠multiple="fill"

sns.kdeplot(data=tips, x="total_bill", hue="time", multiple="fill",palette="PRGn")

 

二元分布

绘制x，y的二元分布图

sns.kdeplot(data=geyser, x="waiting", y="duration")

使用 hue 语义映射以显示条件分布

geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind")

填空含语义映射的条件分布曲线 

geyser = sns.load_dataset("geyser")
sns.kdeplot(data=geyser, x="waiting", y="duration", hue="kind", shade=True, shade_lowest=False, cmap="crest")