Estimación de Densidad con KDE
Un kdeplot (estimación de densidad por núcleo) es un método para visualizar la distribución de observaciones en un conjunto de datos. Es análogo a un histograma, pero en lugar de utilizar intervalos discretos, KDE representa los datos mediante una curva continua de densidad de probabilidad.
Esto lo hace excelente para observar la "forma" de los datos e identificar picos sin la irregularidad de un histograma.
Visualización de distribuciones superpuestas
Cuando se tienen múltiples categorías (usando hue), las líneas simples pueden volverse difíciles de distinguir. Seaborn ofrece parámetros para solucionar esto:
- Apilado (
multiple='stack'): en lugar de trazar líneas una sobre otra, las apila. Muestra cómo las diferentes categorías contribuyen a la distribución total; - Relleno (
fill=True): rellena el área bajo la curva con color, haciendo más evidente el peso visual de cada categoría.
Ejemplo:
12345678910111213141516import seaborn as sns import matplotlib.pyplot as plt # Load built-in dataset df = sns.load_dataset('penguins') # Create the stacked KDE plot sns.kdeplot( data=df, x='flipper_length_mm', hue='species', multiple='stack', # Stack categories vertically fill=True # Fill area with color ) plt.show()
Swipe to start coding
Visualización de la distribución de las temperaturas máximas a lo largo del año:
- Importar
pandas,seabornymatplotlib.pyplot. - Leer el conjunto de datos meteorológicos.
- Establecer el estilo en
'ticks'con un color de fondo'lightcyan'(ya proporcionado). - Crear un gráfico KDE con los siguientes parámetros:
- Asignar
xa'max_temp'; - Agrupar por
'month'utilizandohue; - Apilar las distribuciones usando
multiple='stack'; - Rellenar las curvas con
fill=True; - Desactivar la leyenda (
legend=False) para evitar sobrecargar el gráfico.
- Mostrar el gráfico.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
Genial!
Completion tasa mejorada a 4.55Estimación de Densidad con KDE
Desliza para mostrar el menú
Un kdeplot (estimación de densidad por núcleo) es un método para visualizar la distribución de observaciones en un conjunto de datos. Es análogo a un histograma, pero en lugar de utilizar intervalos discretos, KDE representa los datos mediante una curva continua de densidad de probabilidad.
Esto lo hace excelente para observar la "forma" de los datos e identificar picos sin la irregularidad de un histograma.
Visualización de distribuciones superpuestas
Cuando se tienen múltiples categorías (usando hue), las líneas simples pueden volverse difíciles de distinguir. Seaborn ofrece parámetros para solucionar esto:
- Apilado (
multiple='stack'): en lugar de trazar líneas una sobre otra, las apila. Muestra cómo las diferentes categorías contribuyen a la distribución total; - Relleno (
fill=True): rellena el área bajo la curva con color, haciendo más evidente el peso visual de cada categoría.
Ejemplo:
12345678910111213141516import seaborn as sns import matplotlib.pyplot as plt # Load built-in dataset df = sns.load_dataset('penguins') # Create the stacked KDE plot sns.kdeplot( data=df, x='flipper_length_mm', hue='species', multiple='stack', # Stack categories vertically fill=True # Fill area with color ) plt.show()
Swipe to start coding
Visualización de la distribución de las temperaturas máximas a lo largo del año:
- Importar
pandas,seabornymatplotlib.pyplot. - Leer el conjunto de datos meteorológicos.
- Establecer el estilo en
'ticks'con un color de fondo'lightcyan'(ya proporcionado). - Crear un gráfico KDE con los siguientes parámetros:
- Asignar
xa'max_temp'; - Agrupar por
'month'utilizandohue; - Apilar las distribuciones usando
multiple='stack'; - Rellenar las curvas con
fill=True; - Desactivar la leyenda (
legend=False) para evitar sobrecargar el gráfico.
- Mostrar el gráfico.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
