Python可視化23|seaborn.distplot單變量分布圖(直方圖|核密度圖)

本文介紹seaborn.distplot繪製單變量分布圖（直方圖及核密度圖）。

本文內容概要

目錄

1、seaborn.distplot
數據準備
繪製直方圖hist
修改直方圖hist中箱子數bins 
直方圖成箱方式 
繪製核密度曲線kernel density estimate (KDE)
seaborn.kdeplot繪製窄寬度核密度曲線 
bandwidth (bw)，控制核密度曲線胖瘦
核密度曲線結合直方圖
fit參數
seaborn.distplot簡介 
seaborn.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)
http://seaborn.pydata.org/generated/seaborn.distplot.html#seaborn.distplot
整合了如下三個函數：
matplotlib中的直方圖hist（默認繪製直方圖）數據準備 
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
x=np.random.randn(100)#造一個shape為(100,)，服從正態分布的對象x
print(x)
print(x.shape)
繪製直方圖hist 
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})#修改背景色
g=sns.distplot(x,
               hist=True,#默認繪製直方圖，詳細參考plt.hist
               kde=False,
               color="#098154")#修改柱子顏色
修改直方圖hist中箱子數bins 
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
               hist=True,
               bins=15,#修改箱子個數
               kde=False,
               color="#098154")
直方圖成箱方式 
有4種方式：'bar,barstacked,step,stepfilled'。
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
for i in list('bar,barstacked,step,stepfilled'.split(',')):
    plt.figure(dpi=120)
    sns.distplot(x,
                 hist=True,
                 bins=15,
                 kde=False,
                 hist_kws={'histtype':'%s'%i}, #默認為bar,可選barstacked,step,stepfilled
                 color="#098154")
    plt.title("histtype="'%s'%i)
    plt.show()
 
繪製核密度曲線kernel density estimate (KDE) 
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
               hist=False,
               kde=True,#開啟核密度曲線kernel density estimate (KDE)
               kde_kws={'linestyle':'--','linewidth':'1','color':'#098154',#設置外框線屬性
                        'shade':True,#開啟填充                        
                       },
              )
seaborn.kdeplot繪製窄寬度核密度曲線 
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})#修改背景色
g=sns.kdeplot(x,
              shade=True,
              bw=0.15,#使用窄帶寬
              color="#098154"
              )
bandwidth (bw)，控制核密度曲線胖瘦 
類似hist中bin size

plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
sns.kdeplot(x,shade=True, label="bw: defult")
sns.kdeplot(x, bw=.2, label="bw: 0.2")
sns.kdeplot(x, bw=2, label="bw: 2")
plt.legend();
核密度曲線結合直方圖 
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
               hist=True,
               kde=True,#開啟核密度曲線kernel density estimate (KDE)
               kde_kws={'linestyle':'--','linewidth':'1','color':'#c72e29',#設置外框線屬性                                               
                       },
               color='#098154',
               axlabel='Xlabel',#設置x軸標題
               
              )
fit參數 
將數據與scipy.stats中的分布擬合，查看數據服從何種分布，更多可參考：https://docs.scipy.org/doc/scipy/reference/stats.html
from scipy.stats import norm#導入正態分布
plt.figure(dpi=120)
sns.set(style='dark')
sns.set_style("dark", {"axes.facecolor": "#e9f3ea"})
g=sns.distplot(x,
               hist=True,
               kde=False,
               kde_kws={'linestyle':'--','linewidth':'1','color':'#c72e29',                                              
                       },
               fit=norm,#
               color='#098154',
參考資料：http://seaborn.pydata.org/generated/seaborn.distplot.html#seaborn.distplot