跳转至

如何用海伯恩历史图制作密度图直方图？

原文:https://www.geeksforgeeks.org/how-to-do-直方图-带密度的图-带海底的图-histplot/

直方图是表示一组连续数据分布的可视化工具。在直方图中，数据被分成一组区间或区间(通常在 x 轴上)，落入每个区间的数据点的数量对应于该区间上方的条的高度。这些仓的宽度可以相等，也可以不相等，但它们是相邻的(没有间隙)。

密度图(也称为核密度图)是评估数据分布的另一个可视化工具。它可以被认为是平滑的直方图。密度图的峰值有助于显示值在区间内的集中位置。有多种平滑技术。核密度估计 (KDE)是用于平滑直方图的技术之一。

Seaborn 是一个基于 Python 中 matplotlib 的数据可视化库。在本文中，我们将使用seaborn.hist plot()绘制带有密度图的直方图。

语法: seaborn.histplot(data，x，y，hue，stat，bin，binwidth，discrete，kde，log_scale)

参数:-

  • 数据:以 Dataframe 或 Numpy 数组形式输入数据
  • x，y (可选):分别位于 x 轴和 y 轴的数据键
  • 色调(可选):映射确定地块元素颜色的语义数据键
  • stat (可选):计数、频率、密度或概率

返回:该方法返回 matplotlib 轴及其上绘制的图。

示例 1: 我们将使用 random.randn()方法生成数据。

蟒蛇 3

# Import necessary libraries
import seaborn as sns
import numpy as np
import pandas as pd

# Generating dataset of random numbers
np.random.seed(1)
num_var = np.random.randn(1000)
num_var = pd.Series(num_var, name = "Numerical Variable")

# Plot histogram
sns.histplot(data = num_var, kde = True)

输出:

默认情况下 seaborn.histplot 的 kde 参数设置为假。因此，通过将 kde 设置为真，计算核密度估计以平滑分布，并绘制密度图线。

示例 2: 让我们使用这个示例中来自 Seaborn 库的样本数据集企鹅。该数据集显示了不同岛屿上不同企鹅物种的特征(体重、鳍状肢长度、喙长性别)。

蟒蛇 3

# Import necessary libraries
import numpy as np
import pandas as pd
import seaborn as sns

# Load dataset
penguins = sns.load_dataset("penguins")

# Plot histogram
sns.histplot(data = penguins, x = "body_mass_g", kde = True)

输出:

我们还可以在单个图中可视化多个物种的体重分布。色调参数映射语义变量“物种”。

蟒蛇 3

# Plot Histogram
sns.histplot(data = penguins, x = "body_mass_g", kde = True, hue = "species")

输出:

示例 3: 本示例使用来自 Seaborn 库的样本数据集 Tips ，该数据集记录了餐厅服务器收到的 Tips。它包括收到的小费总额或餐费、顾客的性别、顾客聚会的规模、日期、时间以及吸烟者是否出席聚会。这个例子中的直方图不是数据点的计数，而是归一化的，这样每个条的高度显示一个概率。

蟒蛇 3

# Import necessary libraries
import numpy as np
import pandas as pd
import seaborn as sns

# Load dataset
tips = sns.load_dataset("tips")

# Plot histogram
sns.histplot(data = tips, x = "size", stat = "probability", discrete = True)

输出:

回到顶部