Python sns.distplot()方法的使用方法
#displot參數如下 sns.distplot(a, bins=None, hist=True, kde=True, rug=False, fit=None, hist_kws=None, kde_kws=None, rug_kws=None, fit_kws=None, color=None, vertical=False, norm_hist=False, axlabel=None, label=None, ax=None)
- hist: 控制是否顯示條形圖,默認為True
- kde: 控制是否顯示核密度估計圖,默認為True
- rug: 控制是否顯示觀測的小細條(邊際毛毯)默認為false
- fit: 設定函數圖像,與原圖進行比較
- axlabel: 設置x軸的label
- label : 沒有發現什麼作yong.
- ax: 圖片位置
import matplotlib.pyplot as plt import numpy as np import pandas as pd import seaborn as sns sns.set() #切換到sns的默認運行配置 import warnings warnings.filterwarnings('ignore')
x=np.random.randn(100)
sns.distplot(x)
sns.distplot(x,kde=False)
<AxesSubplot:>
norm_hist:若為True, 則直方圖高度顯示密度而非計數(含有kde圖像中默認為True)
#norm_hist fig,axes=plt.subplots(1,2) sns.distplot(x,norm_hist=True,kde=False,ax=axes[0]) #左圖 sns.distplot(x,kde=False,ax=axes[1]) #右圖
<AxesSubplot:>
通過hidt和kde參數調節是否顯示直方圖和核密度估計((默認hist,kde均為True)
fig,axes = plt.subplots(1,3) # 創建一個1行3列的圖片 sns.distplot(x,ax=axes[0]) # ax=axex[0]表示該圖片在整個畫板中的位置 sns.distplot(x,hist=False,ax=axes[1]) #不顯示直方圖 sns.distplot(x,kde=False,ax=axes[2]) #不顯示核密度
<AxesSubplot:>
rag:控制是否生成觀測數值的小細條
#rag fig,axes=plt.subplots(1,2) sns.distplot(x,rug=True,ax=axes[0]) #左圖 sns.distplot(x,ax=axes[1]) #右圖
<AxesSubplot:ylabel='Density'>
fit:控制擬合的參數分佈圖形,能夠直觀地評估它與觀察數據的對應關系(黑色線條為確定的分佈)
#fit from scipy.stats import * sns.distplot(x,hist=False,fit=norm) #擬合標準正態分佈
<AxesSubplot:ylabel='Density'>
bins:int或list,控制直方圖的劃分
#bins fig,axes=plt.subplots(1,2) sns.distplot(x,kde=False,bins=20,ax=axes[0]) #分成20個區間 sns.distplot(x,kde=False,bins=[x for x in range(4)],ax=axes[1]) #以0,1,2,3為分割點,形成區間[0,1],[1,2],[2,3],區間外的值不計入。
vertical / color 參數
# sns.distplot(x,vertical=True,color="y")
總結
到此這篇關於Python sns.distplot()方法使用的文章就介紹到這瞭,更多相關sns.distplot()方法使用內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python使用seaborn繪圖直方圖displot,密度圖,散點圖
- Python利用 matplotlib 繪制直方圖
- Python matplotlib.pyplot.hist()繪制直方圖的方法實例
- Python+Scipy實現自定義任意的概率分佈
- python可視化分析的實現(matplotlib、seaborn、ggplot2)