如何在 seaborn 中绘制分布：示例

您可以使用seaborn数据可视化库使用以下方法在Python中绘制值的分布：

方法 1：使用直方图绘制分布

 sns. displot (data)

方法 2：使用密度曲线绘制分布

 sns. displot (data, kind=' kde ')

方法 3：使用直方图和密度曲线绘制分布

 sns. displot (data, kde= True )

以下示例展示了如何在实践中使用每种方法。

示例 1：使用直方图绘制分布

以下代码展示了如何使用seaborn中的displot()函数绘制NumPy数组中值的分布：

 import seaborn as sns
import numpy as np

#make this example reproducible
n.p. random . seed ( 1 )

#create array of 1000 values that follows a normal distribution with mean of 10
data = np. random . normal (size= 1000 , loc= 10 )

#create histogram to visualize distribution of values
sns. displot (data)

X 轴显示分布的值，Y 轴显示每个值的计数。

要更改直方图中使用的 bin 数量，您可以使用bins参数指定一个数字：

 import seaborn as sns
import numpy as np

#make this example reproducible
n.p. random . seed ( 1 )

#create array of 1000 values that follows a normal distribution with mean of 10
data = np. random . normal (size= 1000 , loc= 10 )

#create histogram using 10 bins
sns. displot (data, bins= 10 ) 

示例 2：使用密度曲线绘制分布

以下代码展示了如何使用密度曲线绘制 NumPy 数组中值的分布：

 import seaborn as sns
import numpy as np

#make this example reproducible
n.p. random . seed ( 1 )

#create array of 1000 values that follows a normal distribution with mean of 10
data = np. random . normal (size= 1000 , loc= 10 )

#create density curve to visualize distribution of values
sns. displot (data, kind=' kde ')

x 轴显示分布的值，y 轴显示每个值的相对频率。

请注意， kind=’kde’告诉seaborn 使用核密度估计，它会生成一条平滑的曲线，总结变量值的分布。

示例 3：使用直方图和密度曲线绘制分布

以下代码展示了如何使用叠加密度曲线的直方图绘制 NumPy 数组中值的分布：

 import seaborn as sns
import numpy as np

#make this example reproducible
n.p. random . seed ( 1 )

#create array of 1000 values that follows a normal distribution with mean of 10
data = np. random . normal (size= 1000 , loc= 10 )

#create histogram with density curve overlaid to visualize distribution of values
sns. displot (data, kde= True )

结果是叠加了密度曲线的直方图。

注意：您可以 在此处找到 seaborn displot()函数的完整文档。

其他资源

以下教程解释了如何使用seaborn执行其他常见任务：

如何为 Seaborn 绘图添加标题
如何更改 Seaborn 图中的字体大小
如何调整 Seaborn 图中的刻度数