Comment tracer une distribution dans Seaborn : avec des exemples

Vous pouvez utiliser les méthodes suivantes pour tracer une distribution de valeurs en Python à l’aide de la bibliothèque de visualisation de données seaborn :

Méthode 1 : tracer la distribution à l’aide de l’histogramme

sns.displot(data)

Méthode 2 : tracer la distribution à l’aide de la courbe de densité

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

Méthode 3 : tracer la distribution à l’aide de l’histogramme et de la courbe de densité

sns.displot(data, kde=True)

Les exemples suivants montrent comment utiliser chaque méthode dans la pratique.

Exemple 1 : tracer la distribution à l’aide d’un histogramme

Le code suivant montre comment tracer la distribution des valeurs dans un tableau NumPy à l’aide de la fonction displot() dans seaborn :

import seaborn as sns
import numpy as np

#make this example reproducible
np.random.seed(1)

#create array of 1000 values that follow 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)

L’axe des X affiche les valeurs de la distribution et l’axe des Y affiche le nombre de chaque valeur.

Pour modifier le nombre de compartiments utilisés dans l’histogramme, vous pouvez spécifier un nombre à l’aide de l’argument bins :

import seaborn as sns
import numpy as np

#make this example reproducible
np.random.seed(1)

#create array of 1000 values that follow 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)

Exemple 2 : tracer la distribution à l’aide de la courbe de densité

Le code suivant montre comment tracer la distribution des valeurs dans un tableau NumPy à l’aide d’une courbe de densité :

import seaborn as sns
import numpy as np

#make this example reproducible
np.random.seed(1)

#create array of 1000 values that follow 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')

L’axe des x affiche les valeurs de la distribution et l’axe des y affiche la fréquence relative de chaque valeur.

Notez que kind=’kde’ indique à seaborn d’utiliser l’estimation de la densité du noyau , qui produit une courbe lisse qui résume la distribution des valeurs d’une variable.

Exemple 3 : tracer la distribution à l’aide de l’histogramme et de la courbe de densité

Le code suivant montre comment tracer la distribution des valeurs dans un tableau NumPy à l’aide d’un histogramme avec une courbe de densité superposée :

import seaborn as sns
import numpy as np

#make this example reproducible
np.random.seed(1)

#create array of 1000 values that follow 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)

Le résultat est un histogramme avec une courbe de densité superposée.

Remarque : Vous pouvez trouver la documentation complète de la fonction seaborn displot() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes à l’aide de seaborn :

Comment ajouter un titre aux parcelles Seaborn
Comment changer la taille de la police dans les tracés Seaborn
Comment ajuster le nombre de ticks dans les tracés Seaborn