Svep för att visa menyn

KDE-Diagram

Definition

Ett Kernel Density Estimation (KDE)-diagram är en typ av diagram som visualiserar den uppskattade sannolikhetstäthetsfunktionen för en kontinuerlig variabel. Till skillnad från ett histogram, som visar data med diskreta staplar grupperade i intervall, representerar ett KDE-diagram fördelningen som en jämn, kontinuerlig kurva baserad på alla datapunkter.

Detta exempel visar ett histogram kombinerat med ett KDE-diagram (orange kurva), vilket ger en tydligare approximation av sannolikhetstäthetsfunktionen än enbart histogrammet.

I seaborn gör funktionen kdeplot() det enkelt att skapa KDE-diagram. Dess viktigaste parametrar—data, x och y—fungerar på samma sätt som i countplot().

Första alternativet

Endast en av parametrarna kan anges genom att skicka en sekvens av värden, vilket möjliggör individuell anpassning för varje element.


              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()

Parametern data anges genom att skicka ett Series-objekt, och parametern fill används för att fylla området under kurvan, vilket som standard inte är ifyllt.

Andra alternativet

Det är också möjligt att ange ett 2D-objekt som en DataFrame för data och ett kolumnnamn eller en nyckel om data är en dictionary för x (vertikal orientering) eller y (horisontell orientering):


              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()

Samma resultat uppnåddes genom att skicka hela DataFrame som data-parameter och ange kolumnnamnet för x-parametern.

Notera

Det skapade KDE-diagrammet uppvisar en karakteristisk klockkurva, som starkt påminner om en normalfördelning med ett medelvärde runt 52°F.

Läs vidare

Om du vill fördjupa dig mer i funktionen KDE plot, kan du läsa mer i kdeplot() dokumentationen.

Uppgift

Swipe to start coding

Använd rätt funktion för att skapa ett KDE-diagram.
Använd countries_df som data för diagrammet (det första argumentet).
Ange 'GDP per capita' som kolumn att använda och orienteringen till horisontell via det andra argumentet.
Fyll området under kurvan via det tredje (högra) argumentet.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 4

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

KDE-Diagram

Definition

Detta exempel visar ett histogram kombinerat med ett KDE-diagram (orange kurva), vilket ger en tydligare approximation av sannolikhetstäthetsfunktionen än enbart histogrammet.

I seaborn gör funktionen kdeplot() det enkelt att skapa KDE-diagram. Dess viktigaste parametrar—data, x och y—fungerar på samma sätt som i countplot().

Första alternativet

Endast en av parametrarna kan anges genom att skicka en sekvens av värden, vilket möjliggör individuell anpassning för varje element.


              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()

Parametern data anges genom att skicka ett Series-objekt, och parametern fill används för att fylla området under kurvan, vilket som standard inte är ifyllt.

Andra alternativet


              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()

Samma resultat uppnåddes genom att skicka hela DataFrame som data-parameter och ange kolumnnamnet för x-parametern.

Notera

Det skapade KDE-diagrammet uppvisar en karakteristisk klockkurva, som starkt påminner om en normalfördelning med ett medelvärde runt 52°F.

Läs vidare

Om du vill fördjupa dig mer i funktionen KDE plot, kan du läsa mer i kdeplot() dokumentationen.

Uppgift

Swipe to start coding

Använd rätt funktion för att skapa ett KDE-diagram.
Använd countries_df som data för diagrammet (det första argumentet).
Ange 'GDP per capita' som kolumn att använda och orienteringen till horisontell via det andra argumentet.
Fyll området under kurvan via det tredje (högra) argumentet.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 5. Kapitel 4

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan