Sveip for å vise menyen

KDE-Plot

Definisjon

Et Kernel Density Estimation (KDE)-plott er en type plott som visualiserer den estimerte sannsynlighetstetthetsfunksjonen til en kontinuerlig variabel. I motsetning til et histogram, som viser data ved hjelp av diskrete stolper gruppert i intervaller, representerer et KDE-plott fordelingen som en jevn, kontinuerlig kurve basert på alle datapunktene.

Dette eksempelet viser et histogram kombinert med et KDE-plott (oransje kurve), som gir en tydeligere tilnærming til sannsynlighetstetthetsfunksjonen enn histogrammet alene.

I seaborn gjør funksjonen kdeplot() det enkelt å lage KDE-plott. De viktigste parameterne—data, x og y—fungerer på samme måte som i countplot().

Første alternativ

Kun én av parameterne kan settes ved å sende en sekvens av verdier, noe som gir individuell tilpasning for hvert element.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a KDE plot setting only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)

plt.show()

Parameteren data angis ved å sende inn et Series-objekt, og parameteren fill brukes for å fylle området under kurven, som som standard ikke er fylt.

Andre alternativ

Det er også mulig å angi et 2D-objekt som en DataFrame for data og et kolonnenavn eller en nøkkel hvis data er en ordbok for x (vertikal orientering) eller y (horisontal orientering):


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a KDE plot setting both the data and x parameters
sns.kdeplot(data=weather_df, x='Seattle', fill=True)

plt.show()

De samme resultatene ble oppnådd ved å sende hele DataFrame som data-parameteren og spesifisere kolonnenavnet for x-parameteren.

Merk

KDE-plottet som ble opprettet viser en karakteristisk klokkeformet kurve, som ligner en normalfordeling med et gjennomsnitt rundt 52°F.

Les mer

Hvis du ønsker å utforske mer om KDE plot-funksjonen, kan du se kdeplot() dokumentasjonen.

Oppgave

Swipe to start coding

Bruk riktig funksjon for å lage et KDE-diagram.
Bruk countries_df som data for diagrammet (første argument).
Angi 'GDP per capita' som kolonnen som skal brukes og orienteringen til horisontal via det andre argumentet.
Fyll området under kurven via det tredje (høyre) argumentet.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 5. Kapittel 4

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

KDE-Plot

Definisjon

Dette eksempelet viser et histogram kombinert med et KDE-plott (oransje kurve), som gir en tydeligere tilnærming til sannsynlighetstetthetsfunksjonen enn histogrammet alene.

I seaborn gjør funksjonen kdeplot() det enkelt å lage KDE-plott. De viktigste parameterne—data, x og y—fungerer på samme måte som i countplot().

Første alternativ

Kun én av parameterne kan settes ved å sende en sekvens av verdier, noe som gir individuell tilpasning for hvert element.


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a KDE plot setting only the data parameter
sns.kdeplot(data=weather_df['Seattle'], fill=True)

plt.show()

Parameteren data angis ved å sende inn et Series-objekt, og parameteren fill brukes for å fylle området under kurven, som som standard ikke er fylt.

Andre alternativ


              123456789101112
            
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Loading the dataset with the average yearly temperatures in Boston and Seattle
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/weather_data.csv'
weather_df = pd.read_csv(url, index_col=0)

# Creating a KDE plot setting both the data and x parameters
sns.kdeplot(data=weather_df, x='Seattle', fill=True)

plt.show()

De samme resultatene ble oppnådd ved å sende hele DataFrame som data-parameteren og spesifisere kolonnenavnet for x-parameteren.

Merk

KDE-plottet som ble opprettet viser en karakteristisk klokkeformet kurve, som ligner en normalfordeling med et gjennomsnitt rundt 52°F.

Les mer

Hvis du ønsker å utforske mer om KDE plot-funksjonen, kan du se kdeplot() dokumentasjonen.

Oppgave

Swipe to start coding

Bruk riktig funksjon for å lage et KDE-diagram.
Bruk countries_df som data for diagrammet (første argument).
Angi 'GDP per capita' som kolonnen som skal brukes og orienteringen til horisontal via det andre argumentet.
Fyll området under kurven via det tredje (høyre) argumentet.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 5. Kapittel 4

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor