跳转至

带有边缘直方图的散点图，蟒蛇皮

原文:https://www.geesforgeks.org/带有边缘直方图的散点图-python-in-seaborn/

先决条件 : 海伯恩

边缘直方图散点图基本上是两个变量的边缘分布的联合分布图。在数据可视化中，我们经常绘制两个随机变量(双变量分布)或任意数量的随机变量的联合行为。但是如果数据太大，重叠可能是一个问题。因此，为了区分变量，将每个变量的概率分布放在联合图上是有用的。随机变量的这种个体概率分布被称为其边际概率分布。

在 seaborn，这可以通过 jointplot() 来实现。使用散点图()表示双变量分布，使用历史图()表示边际分布。

方法

  • 导入 seaborn 库
  • 加载您选择的数据集
  • 对数据集的变量使用 jointplot()

例 1:

蟒蛇 3

# importing and creating alias for seaborn
import seaborn as sns

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

# plotting scatterplot with histograms for features total bill and tip.
sns.jointplot(data=tips, x="total_bill", y="tip")

输出:

jointplot_with_直方图

示例 2: 使用 kind =“reg”属性，可以添加线性回归拟合和单变量 KDE 曲线。

蟒蛇 3

import seaborn as sns

tips = sns.load_dataset("tips")

# here "*" is used as a marker for scatterplot
sns.jointplot(data=tips, x="total_bill", y="tip", kind="reg", marker="*")

输出:

线性回归拟合的散点图

示例 3: 要向散点图添加条件颜色，可以使用色调属性，但它会在边缘轴上绘制单独的密度曲线(使用 kdeplot())。

蟒蛇 3

import seaborn as sns

tips = sns.load_dataset("tips")

sns.jointplot(data=tips, x="total_bill", y="tip", hue="time")

输出:

散点图 3

回到顶部