So zeichnen sie eine verteilung in seaborn auf: mit beispielen

Mithilfe der Seaborn- Datenvisualisierungsbibliothek können Sie die folgenden Methoden verwenden, um eine Werteverteilung in Python darzustellen:

Methode 1: Zeichnen Sie die Verteilung mithilfe des Histogramms auf

 sns. displot (data)

Methode 2: Zeichnen Sie die Verteilung mithilfe der Dichtekurve auf

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

Methode 3: Zeichnen Sie die Verteilung mithilfe eines Histogramms und einer Dichtekurve auf

 sns. displot (data, kde= True )

Die folgenden Beispiele zeigen, wie die einzelnen Methoden in der Praxis angewendet werden.

Beispiel 1: Darstellung der Verteilung mithilfe eines Histogramms

Der folgende Code zeigt, wie man die Verteilung von Werten in einem NumPy-Array mithilfe der Funktion displot() in Seaborn darstellt:

 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)

Die X-Achse zeigt die Werte der Verteilung an und die Y-Achse zeigt die Anzahl jedes Werts an.

Um die Anzahl der im Histogramm verwendeten Bins zu ändern, können Sie mit dem Bin- Argument eine Zahl angeben:

 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 ) 

Beispiel 2: Darstellung der Verteilung anhand der Dichtekurve

Der folgende Code zeigt, wie die Verteilung von Werten in einem NumPy-Array mithilfe einer Dichtekurve dargestellt wird:

 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 ')

Die x-Achse zeigt die Werte der Verteilung und die y-Achse zeigt die relative Häufigkeit jedes Werts an.

Beachten Sie, dass kind=’kde‘ Seaborn anweist , die Kerndichteschätzung zu verwenden, die eine glatte Kurve erzeugt, die die Werteverteilung einer Variablen zusammenfasst.

Beispiel 3: Darstellung der Verteilung mithilfe des Histogramms und der Dichtekurve

Der folgende Code zeigt, wie die Verteilung von Werten in einem NumPy-Array mithilfe eines Histogramms mit überlagerter Dichtekurve dargestellt wird:

 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 )

Das Ergebnis ist ein Histogramm mit überlagerter Dichtekurve.

Hinweis : Die vollständige Dokumentation für die Seaborn-Funktion displot() finden Sie hier .

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie Sie andere häufige Aufgaben mit Seaborn ausführen:

So fügen Sie Seaborn-Plots einen Titel hinzu
So ändern Sie die Schriftgröße in Seaborn-Plots
So passen Sie die Anzahl der Ticks in Seaborn-Plots an