python使用seaborn绘图直方图displot,密度图,散点图

目录

• 一、直方图distplot()
• 二、密度图
• 2.1 单个样本数据分布密度图

一、直方图distplot()

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib
import pandas as pd

fig = plt.figure(figsize=(12, 5))
ax1 = plt.subplot(121)
rs = np.random.RandomState(10)  # 设定随机数种子
s = pd.Series(rs.randn(100) * 100)
sns.distplot(s, bins=10, hist=True, kde=True, rug=True, norm_hist=False, color=\'y\', label=\'distplot\', axlabel=\'x\')
plt.legend()

ax1 = plt.subplot(122)
sns.distplot(s, rug=True,
             hist_kws={\"histtype\": \"step\", \"linewidth\": 1, \"alpha\": 1, \"color\": \"g\"},  # 设置箱子的风格、线宽、透明度、颜色,风格包括：\'bar\', \'barstacked\', \'step\', \'stepfilled\'
             kde_kws={\"color\": \"r\", \"linewidth\": 1, \"label\": \"KDE\", \'linestyle\': \'--\'},   # 设置密度曲线颜色，线宽，标注、线形
             rug_kws={\'color\': \'r\'})  # 设置数据频率分布颜色
plt.show()

函数及参数介绍：

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)

• a 数据源
• bins 箱数hist、kde、rug 是否显示箱数、密度曲线、数据分布，默认显示箱数和密度曲线不显示数据分析
• {hist,kde,rug}_kws 通过字典形式设置箱数、密度曲线、数据分布的各个特征
• norm_hist 直方图的高度是否显示密度，默认显示计数,如果kde设置为True高度也会显示为密度
• color 颜色
• vertical 是否在y轴上显示图标，默认为False即在x轴显示，即竖直显示
• axlabel 坐标轴标签
• label 直方图标签

二、密度图

2.1 单个样本数据分布密度图