Oppiskele Tiheyden Estimointi KDE:llä

kdeplot (ydintiheyden estimointi) on menetelmä havaintojen jakauman visualisoimiseen aineistossa. Se on verrattavissa histogrammiin, mutta histogrammin diskreettien luokkien sijaan KDE esittää tiedot jatkuvana todennäköisyystiheyskäyränä.

Tämä tekee siitä erinomaisen työkalun datan "muodon" tarkasteluun ja huippujen tunnistamiseen ilman histogrammin epätasaisuutta.

Päällekkäisten jakaumien visualisointi

Kun käytössä on useita kategorioita (hue-parametrilla), yksinkertaiset viivat voivat olla vaikeasti erotettavissa. Seaborn tarjoaa tähän ratkaisuja:

Pinoaminen (multiple='stack'): viivojen piirtämisen sijaan kategoriat pinotaan päällekkäin. Tämä näyttää, miten eri kategoriat vaikuttavat kokonaisjakaumaan;
Täyttö (fill=True): täyttää käyrän alapuolisen alueen värillä, jolloin kunkin kategorian visuaalinen paino korostuu.

Esimerkki:


              12345678910111213141516
            
import 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()

Tehtävä

Swipe to start coding

Visualisoi vuoden maksimilämpötilojen jakauma:

Tuo kirjastot pandas, seaborn ja matplotlib.pyplot.
Lue sääaineisto.
Aseta tyyliksi 'ticks' ja taustaväriksi 'lightcyan' (jo valmiiksi asetettu).
Luo KDE-kuvaaja seuraavilla parametreilla:

Aseta x arvoksi 'max_temp';
- Ryhmittele 'month' avulla käyttäen hue-parametria;
Pinoa jakaumat käyttämällä multiple='stack';
Täytä käyrät asettamalla fill=True;
Poista selite (legend=False), jotta kuvaaja pysyy selkeänä.

Näytä kuvaaja.

Ratkaisu

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 5

single

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon