資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究如何在 Python 中使用 Seaborn 庫繪製核密度估計圖（聯合圖）？
Seaborn 是一個有助於資料視覺化的庫。它帶有自定義主題和高階介面。
核密度估計，也稱為 KDE，是一種可以估計連續隨機變數機率密度函式的方法。此方法用於非引數值的分析。在使用“聯合圖”時，如果將引數“kind”設定為“kde”，則會繪製核密度估計圖。
讓我們瞭解“聯合圖”函式如何在 python 中繪製核密度估計圖。
示例
import pandas as pd
import seaborn as sb
from matplotlib import pyplot as plt
my_df = sb.load_dataset('iris')
sb.jointplot(x = 'petal_length',y = 'petal_width',data = my_df,kind = 'kde')
plt.show()輸出
解釋
匯入所需的包。
輸入資料為“iris_data”，它從 scikit learn 庫載入。
此資料儲存在資料幀中。
“load_dataset”函式用於載入鳶尾花資料。
使用“聯合圖”函式視覺化此資料。
這裡，將“x”和“y”軸值作為引數提供。
這裡，將“kind”引數指定為“kde”，以便繪圖理解打印核密度估計。
此核密度估計資料顯示在控制檯上。
更新於： 2020-12-11
156 次檢視
廣告