sns.distplot()方法使用
DDxuexi 人气:0#displot参数如下 sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
- hist: 控制是否显示条形图,默认为True
- kde: 控制是否显示核密度估计图,默认为True
- rug: 控制是否显示观测的小细条(边际毛毯)默认为false
- fit: 设定函数图像,与原图进行比较
- axlabel: 设置x轴的label
- label : 没有发现什么作yong.
- ax: 图片位置
import matplotlib.pyplot as plt import numpy as np import pandas as pd import seaborn as sns sns.set() #切换到sns的默认运行配置 import warnings warnings.filterwarnings('ignore')
x=np.random.randn(100)
sns.distplot(x)
sns.distplot(x,kde=False)
<AxesSubplot:>
norm_hist:若为True, 则直方图高度显示密度而非计数(含有kde图像中默认为True)
#norm_hist fig,axes=plt.subplots(1,2) sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左图 sns.distplot(x,kde=False,ax=axes[1]) #右图
<AxesSubplot:>
通过hidt和kde参数调节是否显示直方图和核密度估计((默认hist,kde均为True)
fig,axes = plt.subplots(1,3) # 创建一个1行3列的图片 sns.distplot(x,ax=axes[0]) # ax=axex[0]表示该图片在整个画板中的位置 sns.distplot(x,hist=False,ax=axes[1]) #不显示直方图 sns.distplot(x,kde=False,ax=axes[2]) #不显示核密度
<AxesSubplot:>
rag:控制是否生成观测数值的小细条
#rag fig,axes=plt.subplots(1,2) sns.distplot(x,rug=True,ax=axes[0]) #左图 sns.distplot(x,ax=axes[1]) #右图
<AxesSubplot:ylabel='Density'>
fit:控制拟合的参数分布图形,能够直观地评估它与观察数据的对应关系(黑色线条为确定的分布)
#fit from scipy.stats import * sns.distplot(x,hist=False,fit=norm) #拟合标准正态分布
<AxesSubplot:ylabel='Density'>
bins:int或list,控制直方图的划分
#bins fig,axes=plt.subplots(1,2) sns.distplot(x,kde=False,bins=20,ax=axes[0]) #分成20个区间 sns.distplot(x,kde=False,bins=[x for x in range(4)],ax=axes[1]) #以0,1,2,3为分割点,形成区间[0,1],[1,2],[2,3],区间外的值不计入。
vertical / color 参数
# sns.distplot(x,vertical=True,color="y")
总结
加载全部内容