Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Leer Dichtheid Schatten met KDE | Sectie
Statistische Visualisatie Met Seaborn

bookDichtheid Schatten met KDE

Een kdeplot (kernel-dichtheidsschatting) is een methode voor het visualiseren van de verdeling van waarnemingen in een dataset. Het is vergelijkbaar met een histogram, maar in plaats van gebruik te maken van discrete intervallen, geeft KDE de gegevens weer met een continue kansdichtheidskromme.

Hierdoor is het uitstekend geschikt om de "vorm" van gegevens te zien en pieken te identificeren zonder de grilligheid van een histogram.

Visualiseren van overlappende verdelingen

Wanneer er meerdere categorieën zijn (met hue), kunnen eenvoudige lijnen moeilijk te onderscheiden zijn. Seaborn biedt parameters om dit op te lossen:

  • Stapelen (multiple='stack'): in plaats van lijnen over elkaar te tekenen, worden deze gestapeld. Dit toont hoe verschillende categorieën bijdragen aan de totale verdeling;
  • Opvullen (fill=True): vult het gebied onder de kromme met kleur, waardoor het visuele gewicht van elke categorie duidelijker wordt.

Voorbeeld:

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()
copy
Taak

Swipe to start coding

Visualisatie van de verdeling van maximale temperaturen gedurende het jaar:

  1. Importeer pandas, seaborn en matplotlib.pyplot.
  2. Lees de weerdataset in.
  3. Stel de stijl in op 'ticks' met een achtergrondkleur 'lightcyan' (reeds voorzien).
  4. Maak een KDE-plot met de volgende parameters:
  • Stel x in op 'max_temp';
  • Groepeer op 'month' met behulp van hue;
  • Stapel de verdelingen met multiple='stack';
  • Vul de krommen met fill=True;
  • Schakel de legenda uit (legend=False) om het diagram overzichtelijk te houden.
  1. Toon de plot.

Oplossing

Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 5
single

single

Vraag AI

expand

Vraag AI

ChatGPT

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

close

bookDichtheid Schatten met KDE

Veeg om het menu te tonen

Een kdeplot (kernel-dichtheidsschatting) is een methode voor het visualiseren van de verdeling van waarnemingen in een dataset. Het is vergelijkbaar met een histogram, maar in plaats van gebruik te maken van discrete intervallen, geeft KDE de gegevens weer met een continue kansdichtheidskromme.

Hierdoor is het uitstekend geschikt om de "vorm" van gegevens te zien en pieken te identificeren zonder de grilligheid van een histogram.

Visualiseren van overlappende verdelingen

Wanneer er meerdere categorieën zijn (met hue), kunnen eenvoudige lijnen moeilijk te onderscheiden zijn. Seaborn biedt parameters om dit op te lossen:

  • Stapelen (multiple='stack'): in plaats van lijnen over elkaar te tekenen, worden deze gestapeld. Dit toont hoe verschillende categorieën bijdragen aan de totale verdeling;
  • Opvullen (fill=True): vult het gebied onder de kromme met kleur, waardoor het visuele gewicht van elke categorie duidelijker wordt.

Voorbeeld:

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()
copy
Taak

Swipe to start coding

Visualisatie van de verdeling van maximale temperaturen gedurende het jaar:

  1. Importeer pandas, seaborn en matplotlib.pyplot.
  2. Lees de weerdataset in.
  3. Stel de stijl in op 'ticks' met een achtergrondkleur 'lightcyan' (reeds voorzien).
  4. Maak een KDE-plot met de volgende parameters:
  • Stel x in op 'max_temp';
  • Groepeer op 'month' met behulp van hue;
  • Stapel de verdelingen met multiple='stack';
  • Vul de krommen met fill=True;
  • Schakel de legenda uit (legend=False) om het diagram overzichtelijk te houden.
  1. Toon de plot.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 5
single

single

some-alt