Dichtheid 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:
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
Visualisatie van de verdeling van maximale temperaturen gedurende het jaar:
- Importeer
pandas,seabornenmatplotlib.pyplot. - Lees de weerdataset in.
- Stel de stijl in op
'ticks'met een achtergrondkleur'lightcyan'(reeds voorzien). - Maak een KDE-plot met de volgende parameters:
- Stel
xin op'max_temp'; - Groepeer op
'month'met behulp vanhue; - Stapel de verdelingen met
multiple='stack'; - Vul de krommen met
fill=True; - Schakel de legenda uit (
legend=False) om het diagram overzichtelijk te houden.
- Toon de plot.
Oplossing
Bedankt voor je feedback!
single
Vraag AI
Vraag AI
Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.
Geweldig!
Completion tarief verbeterd naar 4.55
Dichtheid 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:
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
Visualisatie van de verdeling van maximale temperaturen gedurende het jaar:
- Importeer
pandas,seabornenmatplotlib.pyplot. - Lees de weerdataset in.
- Stel de stijl in op
'ticks'met een achtergrondkleur'lightcyan'(reeds voorzien). - Maak een KDE-plot met de volgende parameters:
- Stel
xin op'max_temp'; - Groepeer op
'month'met behulp vanhue; - Stapel de verdelingen met
multiple='stack'; - Vul de krommen met
fill=True; - Schakel de legenda uit (
legend=False) om het diagram overzichtelijk te houden.
- Toon de plot.
Oplossing
Bedankt voor je feedback!
single