Вивчайте Оцінювання Щільності за Допомогою KDE

kdeplot (оцінка щільності ядра) — це метод візуалізації розподілу спостережень у наборі даних. Він є аналогом гістограми, але замість використання дискретних бінів KDE представляє дані за допомогою неперервної кривої ймовірнісної щільності.

Це дозволяє чудово бачити "форму" даних і визначати піки без різких переходів, характерних для гістограми.

Візуалізація накладених розподілів

Коли у вас є декілька категорій (з використанням hue), прості лінії можуть бути важко розрізнити. Seaborn пропонує параметри для вирішення цієї проблеми:

Стекування (multiple='stack'): замість накладання ліній одна на одну, вони розташовуються у вигляді стека. Це показує, як різні категорії впливають на загальний розподіл;
Заповнення (fill=True): заповнює область під кривою кольором, що робить візуальну вагу кожної категорії більш очевидною.

Приклад:


              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()

Завдання

Swipe to start coding

Візуалізація розподілу максимальних температур протягом року:

Імпортувати pandas, seaborn та matplotlib.pyplot.
Зчитати набір даних про погоду.
Встановити стиль 'ticks' з фоновим кольором 'lightcyan' (вже задано).
Побудувати KDE-графік з такими параметрами:

Встановити x на 'max_temp';
Групувати за 'month' за допомогою hue;
Скласти розподіли за допомогою multiple='stack';
Заповнити криві, використовуючи fill=True;
Вимкнути легенду (legend=False), щоб уникнути перевантаження графіка.

Відобразити графік.

Рішення

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 5

single

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Свайпніть щоб показати меню