Lära Skattning av Täthet med KDE

En kdeplot (kärntäthetsuppskattning) är en metod för att visualisera fördelningen av observationer i en datamängd. Den är liknande ett histogram, men istället för att använda diskreta fack representerar KDE data med en kontinuerlig sannolikhetstäthetskurva.

Detta gör den utmärkt för att se "formen" på data och identifiera toppar utan den ojämnhet som ett histogram kan ge.

Visualisering av överlappande fördelningar

När du har flera kategorier (med hue) kan enkla linjer vara svåra att särskilja. Seaborn erbjuder parametrar för att lösa detta:

Stapling (multiple='stack'): istället för att rita linjer ovanpå varandra staplas de. Det visar hur olika kategorier bidrar till den totala fördelningen;
Fyllning (fill=True): fyller området under kurvan med färg, vilket gör varje kategoris visuella tyngd tydligare.

Exempel:


              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()

Uppgift

Swipe to start coding

Visualisera fördelningen av maximala temperaturer under året:

Importera pandas, seaborn och matplotlib.pyplot.
Läs in väderdatamängden.
Ställ in stilen på 'ticks' med bakgrundsfärgen 'lightcyan' (redan angivet).
Skapa ett KDE-diagram med följande parametrar:

Sätt x till 'max_temp';
Gruppera efter 'month' med hjälp av hue;
Stapla fördelningarna med multiple='stack';
Fyll kurvorna med fill=True;
Inaktivera legenden (legend=False) för att undvika plotten blir rörig.

Visa diagrammet.

Lösning

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 5

single

Fråga AI

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

Svep för att visa menyn