Swipe um das Menü anzuzeigen

KDE-Diagramm

Kernel-Dichteschätzung (KDE) Plot ist ein Diagramm, das zur Visualisierung der Wahrscheinlichkeitsdichtefunktion verwendet wird. Es ist in gewisser Weise einem Histogramm ähnlich, das wir im vorherigen Abschnitt besprochen haben, jedoch ist der KDE-Plot eine kontinuierliche Kurve, nicht eine Reihe von Balken, und basiert auf allen Datenpunkten anstatt auf den Intervallen. Schauen wir uns ein Beispiel für einen KDE-Plot an:

Wie Sie sehen können, haben wir hier ein Histogramm kombiniert mit einem KDE-Plot (orange Kurve). Diese Kombination gibt uns eine viel klarere Annäherung der Wahrscheinlichkeitsdichtefunktion als ein einzelnes Histogramm.

Mit seaborn ist das Erstellen eines KDE-Plots so einfach wie möglich, da es eine spezielle kdeplot() Funktion gibt. Ihre wichtigsten Parameter data, x und y funktionieren genauso wie in der countplot() Funktion.

Erste Option

Wir können einfach nur einen dieser Parameter festlegen, indem wir eine Reihe von Werten übergeben. Hier ist ein Beispiel, um alles zu verdeutlichen:


              123456789
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
# Loading the dataset with the average yearly temperatures in Boston and Seattle
weather_df = pd.read_csv(url, index_col=0)
# Creating a KDE plot setting only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)
plt.show()

Wir setzen nur den Wert für den data-Parameter, indem wir ein Series-Objekt übergeben und den fill-Parameter verwenden, um die Fläche unter der Kurve auszufüllen (sie ist standardmäßig nicht ausgefüllt).

Zweite Option

Es ist auch möglich, ein 2D-Objekt wie ein DataFrame für data und einen Spaltennamen (oder einen Schlüssel, wenn data ein Wörterbuch ist) für x (vertikale Orientierung) oder y (horizontale Orientierung) festzulegen:


              12345678
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)
# Creating a KDE plot setting both the data and x parameters
sns.kdeplot(data=weather_df, x='Seattle', fill=True)
plt.show()

Wir haben die gleichen Ergebnisse erzielt, indem wir das gesamte DataFrame als data-Parameter und den Spaltennamen für den x-Parameter übergeben haben.

Übrigens hat das von uns erstellte KDE-Diagramm eine charakteristische Glockenkurve und ähnelt stark der Normalverteilung mit einem Mittelwert von ungefähr 52°F.

Falls Sie mehr über die Funktion kdeplot() erfahren möchten, können Sie gerne die Dokumentation konsultieren.

Aufgabe

Swipe to start coding

Verwenden Sie die richtige Funktion, um ein KDE-Diagramm zu erstellen.
Verwenden Sie countries_df als Daten für das Diagramm (das erste Argument).
Setzen Sie 'GDP per capita' als die zu verwendende Spalte und die Ausrichtung auf horizontal über das zweite Argument.
Füllen Sie den Bereich unter der Kurve über das dritte (rechtsstehende) Argument aus.

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 4

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

KDE-Diagramm

Erste Option

Wir können einfach nur einen dieser Parameter festlegen, indem wir eine Reihe von Werten übergeben. Hier ist ein Beispiel, um alles zu verdeutlichen:


              123456789
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
# Loading the dataset with the average yearly temperatures in Boston and Seattle
weather_df = pd.read_csv(url, index_col=0)
# Creating a KDE plot setting only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)
plt.show()

Zweite Option


              12345678
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)
# Creating a KDE plot setting both the data and x parameters
sns.kdeplot(data=weather_df, x='Seattle', fill=True)
plt.show()

Wir haben die gleichen Ergebnisse erzielt, indem wir das gesamte DataFrame als data-Parameter und den Spaltennamen für den x-Parameter übergeben haben.

Übrigens hat das von uns erstellte KDE-Diagramm eine charakteristische Glockenkurve und ähnelt stark der Normalverteilung mit einem Mittelwert von ungefähr 52°F.

Falls Sie mehr über die Funktion kdeplot() erfahren möchten, können Sie gerne die Dokumentation konsultieren.

Aufgabe

Swipe to start coding

Verwenden Sie die richtige Funktion, um ein KDE-Diagramm zu erstellen.
Verwenden Sie countries_df als Daten für das Diagramm (das erste Argument).
Setzen Sie 'GDP per capita' als die zu verwendende Spalte und die Ausrichtung auf horizontal über das zweite Argument.
Füllen Sie den Bereich unter der Kurve über das dritte (rechtsstehende) Argument aus.

Lösung

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden

War alles klar?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 4

Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden