Methode 1: Teken de verdeling met behulp van het histogram<\/strong><\/span><\/p>\n Methode 2: Teken de verdeling met behulp van de dichtheidscurve<\/strong><\/span><\/p>\n Methode 3: Teken de verdeling met behulp van histogram en dichtheidscurve<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u de verdeling van waarden in een NumPy-array kunt plotten met behulp van de functie displot()<\/strong> in seaborn:<\/span> <\/p>\n De X-as geeft de waarden van de verdeling weer en de Y-as geeft het aantal van elke waarde weer.<\/span><\/p>\n Om het aantal bakken dat in het histogram wordt gebruikt te wijzigen, kunt u een getal opgeven met behulp van het argument bakken<\/strong> :<\/span> <\/p>\n De volgende code laat zien hoe u de verdeling van waarden in een NumPy-array kunt plotten met behulp van een dichtheidscurve:<\/span> <\/p>\n De x-as geeft de waarden van de verdeling weer en de y-as geeft de relatieve frequentie van elke waarde weer.<\/span><\/p>\n Merk op dat kind=’kde‘<\/strong> seaborn vertelt om kernel density estimation<\/strong> te gebruiken, wat een vloeiende curve oplevert die de verdeling van de waarden van een variabele samenvat.<\/span><\/p>\n De volgende code laat zien hoe u de verdeling van waarden in een NumPy-array kunt plotten met behulp van een histogram waarop een dichtheidscurve is geplaatst:<\/span> <\/p>\n Het resultaat is een histogram met daarop een dichtheidscurve.<\/span><\/p>\n Opmerking<\/strong> : u kunt de volledige documentatie voor de functie seaborn displot()<\/strong> hier<\/a> vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken kunt uitvoeren met behulp van seaborn:<\/span><\/p>\n Een titel toevoegen aan Seaborn-plots<\/a> U kunt de volgende methoden gebruiken om een verdeling van waarden in Python te plotten met behulp van de seaborn datavisualisatiebibliotheek: Methode 1: Teken de verdeling met behulp van het histogram sns. displot (data) Methode 2: Teken de verdeling met behulp van de dichtheidscurve sns. displot (data, kind=‘ kde ‚) Methode 3: Teken de verdeling […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4072","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n sns. displot<\/span> (data)\n<\/strong><\/pre>\n sns. displot<\/span> (data, kind=' kde<\/span> ')<\/strong><\/pre>\n sns. displot<\/span> (data, kde= True<\/span> )<\/strong><\/pre>\n Voorbeeld 1: De verdeling uitzetten met behulp van een histogram<\/strong><\/span><\/h2>\n
import<\/span> seaborn as<\/span> sns\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create array of 1000 values that follows a normal distribution with mean of 10\n<\/span>data = np. random<\/span> . normal<\/span> (size= 1000<\/span> , loc= 10<\/span> )\n\n#create histogram to visualize distribution of values\n<\/span>sns. displot<\/span> (data)\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/deploiement1.png\")
<\/p>\n import<\/span> seaborn as<\/span> sns\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create array of 1000 values that follows a normal distribution with mean of 10\n<\/span>data = np. random<\/span> . normal<\/span> (size= 1000<\/span> , loc= 10<\/span> )\n\n#create histogram using 10 bins\n<\/span>sns. displot<\/span> (data, bins= 10<\/span> )<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/deploiement2.png\")
<\/p>\n Voorbeeld 2: De verdeling uitzetten met behulp van de dichtheidscurve<\/strong><\/span><\/h2>\n
import<\/span> seaborn as<\/span> sns\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create array of 1000 values that follows a normal distribution with mean of 10\n<\/span>data = np. random<\/span> . normal<\/span> (size= 1000<\/span> , loc= 10<\/span> )\n\n#create density curve to visualize distribution of values\n<\/span>sns. displot<\/span> (data, kind=' kde<\/span> ')\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/deploiement3.png\")
<\/p>\n Voorbeeld 3: De verdeling uitzetten met behulp van het histogram en de dichtheidscurve<\/strong><\/span><\/h2>\n
import<\/span> seaborn as<\/span> sns\nimport<\/span> numpy as<\/span> np\n\n#make this example reproducible\n<\/span>n.p. random<\/span> . seed<\/span> ( 1<\/span> )\n\n#create array of 1000 values that follows a normal distribution with mean of 10\n<\/span>data = np. random<\/span> . normal<\/span> (size= 1000<\/span> , loc= 10<\/span> )\n\n#create histogram with density curve overlaid to visualize distribution of values\n<\/span>sns. displot<\/span> (data, kde= True<\/span> )\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/deploiement4.png\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe de lettergrootte in Seaborn-plots te wijzigen<\/a>
Hoe u het aantal ticks in Seaborn-plots kunt aanpassen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"