Python sns.distplot()方法的使用方法

2022-03-08 16:01:09

#displot引數如下
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: 控制是否顯示條形圖,預設為True
kde: 控制是否顯示核密度估計圖,預設為True
rug: 控制是否顯示觀測的小細條（邊際毛毯）預設為false
fit: 設定函數影象,與原圖進行比較
axlabel: 設定x軸的label
label : 沒有發現什麼作yong.
ax: 圖片位置

import matplotlib.pyplot as plt 
import numpy as np
import pandas as pd 
import seaborn as sns 
sns.set()  #切換到sns的預設執行設定
import warnings
warnings.filterwarnings('ignore')

x=np.random.randn(100)

sns.distplot(x)

sns.distplot(x,kde=False)

<AxesSubplot:>

norm_hist：若為True, 則直方圖高度顯示密度而非計數(含有kde影象中預設為True)

#norm_hist
fig,axes=plt.subplots(1,2)
sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左圖
sns.distplot(x,kde=False,ax=axes[1]) #右圖

<AxesSubplot:>

通過hidt和kde引數調節是否顯示直方圖和核密度估計((預設hist,kde均為True)

fig,axes = plt.subplots(1,3) # 建立一個1行3列的圖片
sns.distplot(x,ax=axes[0]) # ax=axex[0]表示該圖片在整個畫板中的位置
sns.distplot(x,hist=False,ax=axes[1])  #不顯示直方圖
sns.distplot(x,kde=False,ax=axes[2])  #不顯示核密度

<AxesSubplot:>

rag：控制是否生成觀測數值的小細條

#rag
fig,axes=plt.subplots(1,2)
sns.distplot(x,rug=True,ax=axes[0]) #左圖
sns.distplot(x,ax=axes[1]) #右圖

<AxesSubplot:ylabel='Density'>

fit：控制擬合的引數分佈圖形，能夠直觀地評估它與觀察資料的對應關係(黑色線條為確定的分佈)

#fit
from scipy.stats import *
sns.distplot(x,hist=False,fit=norm) #擬合標準正態分佈

<AxesSubplot:ylabel='Density'>

bins：int或list，控制直方圖的劃分

#bins
fig,axes=plt.subplots(1,2) 
sns.distplot(x,kde=False,bins=20,ax=axes[0]) #分成20個區間
sns.distplot(x,kde=False,bins=[x for x in range(4)],ax=axes[1]) #以0,1,2,3為分割點，形成區間[0,1],[1,2],[2,3]，區間外的值不計入。

vertical / color 引數

# 
sns.distplot(x,vertical=True,color="y")

總結

到此這篇關於Python sns.distplot()方法使用的文章就介紹到這了,更多相關sns.distplot()方法使用內容請搜尋it145.com以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援it145.com！

Python sns.distplot()方法的使用方法

熱門文章