Veeg om het menu te tonen

KDE-Plot

Definitie

Een Kernel Density Estimation (KDE) plot is een type plot dat de geschatte kansdichtheidsfunctie van een continue variabele visualiseert. In tegenstelling tot een histogram, dat gegevens weergeeft met behulp van afzonderlijke balken gegroepeerd in intervallen, toont een KDE-plot de verdeling als een vloeiende, continue curve gebaseerd op alle datapunten.

Dit voorbeeld toont een histogram gecombineerd met een KDE-plot (oranje curve), wat een duidelijkere benadering van de kansdichtheidsfunctie geeft dan alleen het histogram.

In seaborn maakt de functie kdeplot() het eenvoudig om KDE-plots te maken. De belangrijkste parameters—data, x en y—werken op dezelfde manier als in countplot().

Eerste optie

Slechts één van de parameters kan worden ingesteld door een reeks waarden door te geven, waardoor individuele aanpassing per element mogelijk is.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
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 only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)

plt.show()

De parameter data wordt ingesteld door een Series-object door te geven, en de parameter fill wordt gebruikt om het gebied onder de curve in te kleuren, wat standaard niet is ingevuld.

Tweede optie

Het is ook mogelijk om een 2D-object zoals een DataFrame voor data in te stellen en een kolomnaam of een sleutel te gebruiken als data een dictionary is voor x (verticale oriëntatie) of y (horizontale oriëntatie):


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
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()

Dezelfde resultaten werden bereikt door de volledige DataFrame als de parameter data door te geven en de kolomnaam voor de parameter x te specificeren.

Opmerking

De gemaakte KDE-plot vertoont een karakteristieke klokvormige curve, die sterk lijkt op een normale verdeling met een gemiddelde rond 52°F.

Meer Bestuderen

Als u meer wilt weten over de KDE-plot functie, raadpleeg dan gerust de kdeplot() documentatie.

Taak

Swipe to start coding

Gebruik de juiste functie om een KDE-plot te maken.
Gebruik countries_df als de data voor de plot (het eerste argument).
Stel 'GDP per capita' in als de te gebruiken kolom en de oriëntatie op horizontaal via het tweede argument.
Vul het gebied onder de curve in via het derde (meest rechtse) argument.

Oplossing

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 5. Hoofdstuk 4

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

KDE-Plot

Definitie

Dit voorbeeld toont een histogram gecombineerd met een KDE-plot (oranje curve), wat een duidelijkere benadering van de kansdichtheidsfunctie geeft dan alleen het histogram.

In seaborn maakt de functie kdeplot() het eenvoudig om KDE-plots te maken. De belangrijkste parameters—data, x en y—werken op dezelfde manier als in countplot().

Eerste optie

Slechts één van de parameters kan worden ingesteld door een reeks waarden door te geven, waardoor individuele aanpassing per element mogelijk is.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
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 only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)

plt.show()

De parameter data wordt ingesteld door een Series-object door te geven, en de parameter fill wordt gebruikt om het gebied onder de curve in te kleuren, wat standaard niet is ingevuld.

Tweede optie


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
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()

Dezelfde resultaten werden bereikt door de volledige DataFrame als de parameter data door te geven en de kolomnaam voor de parameter x te specificeren.

Opmerking

De gemaakte KDE-plot vertoont een karakteristieke klokvormige curve, die sterk lijkt op een normale verdeling met een gemiddelde rond 52°F.

Meer Bestuderen

Als u meer wilt weten over de KDE-plot functie, raadpleeg dan gerust de kdeplot() documentatie.

Taak

Swipe to start coding

Gebruik de juiste functie om een KDE-plot te maken.
Gebruik countries_df als de data voor de plot (het eerste argument).
Stel 'GDP per capita' in als de te gebruiken kolom en de oriëntatie op horizontaal via het tweede argument.
Vul het gebied onder de curve in via het derde (meest rechtse) argument.

Oplossing

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 5. Hoofdstuk 4

Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties