Seaborn Kdeplot - 종합 가이드
여러분! Seaborn 튜토리얼에서는 Seaborn Kdeplot에 초점을 맞출 것입니다.
Kdeplot이란 무엇입니까?
Kdeplot
은 연속 또는 비모수 데이터 변수의 확률 밀도 함수를 나타내는 커널 분포 추정 도표입니다. Python Seaborn 모듈을 사용하여 다양한 기능이 추가된 Kdeplot을 구축할 수 있습니다.
Seaborn 모듈을 사용하려면 아래 명령을 사용하여 모듈을 설치하고 가져와야 합니다.
pip install seaborn
import seaborn
일변량 Seaborn Kdeplot 만들기
seaborn.kdeplot() 함수는 단일/단변량 변수에 대한 데이터를 플로팅하는 데 사용됩니다. 플롯된 곡선 아래의 영역으로 데이터 값의 확률 분포를 나타냅니다.
통사론:
seaborn.kdeplot(data)
예 1:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data)
plt.show()
위의 예에서 numpy.random.randn() 함수를 사용하여 임의의 데이터 값을 생성했습니다.
산출:
예 2:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data,color='green',shade=True)
plt.show()
위의 예에서는 'shade
' 매개변수를 사용하여 플롯을 강조 표시하여 곡선 아래 영역을 강조 표시했습니다. 또한 'color
' 매개변수를 사용하여 플롯에 다른 색상을 설정할 수 있습니다.
산출:
이변량 Seaborn Kdeplot 만들기
Seaborn Kdeplots는 여러 데이터 변수 또는 bivariate(2) 변수에 대한 데이터를 플롯하여 다른 값에 대한 확률 분포를 나타내는 데에도 사용할 수 있습니다.
통사론:
seaborn.kdeplot(x,y)
따라서 분포는 두 데이터 변수 간의 분포 관계를 나타내는 등고선 플롯으로 표시됩니다.
예:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],color='blue',shade=True)
plt.show()
산출:
세로축을 따라 Seaborn Kdeplot 플로팅
아래 구문을 사용하여 y축을 따라 Kdeplot을 그릴 수 있습니다.
통사론:
seaborn.kdeplot(data,vertical=True)
따라서 'vertical
' 매개변수를 True로 설정하면 y축에 대해 분포를 그릴 수 있습니다.
예:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],vertical=True,color='blue',shade=True)
plt.show()
산출:
Seaborn Kdeplot 내에서 색상 팔레트 사용
Seaborn 플롯과 함께 다양한 색상 팔레트를 사용하여 'cmap
' 매개변수를 사용하여 더 나은 방식으로 데이터를 시각화할 수 있습니다.
Matplotlib Colormap에서 다양한 유형의 색상 팔레트를 사용할 수 있습니다.
통사론:
seaborn.kdeplot(data,cmap)
예:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],shade=True,cmap="Purples_d")
plt.show()
산출:
두 개의 음영 처리된 이변량 Kdeplots 플로팅
두 개의 음영 처리된 이변량 Kdeplot은 데이터 변수의 이변량 그룹의 확률 분포 측면에서 데이터의 변동을 이해하는 데 도움이 됩니다.
예:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d")
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Blues")
plt.show()
산출:
Seaborn Kdeplot에 Colorbar 추가
colorbar
는 원래 데이터 값에 대한 값의 그림 표현을 매핑하고 더 나은 방식으로 데이터를 시각화하는 데 도움이 됩니다.
통사론:
seaborn.kdeplot(data,cbar=True)
예:
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res=sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d",cbar=True)
plt.show()
산출:
결론
Seaborn 모듈은 순전히 Matplotlib 모듈을 기반으로 구축되었으며 이 조합은 다양한 형식으로 데이터를 시각화하는 데 광범위하게 사용됩니다.
독자들에게 데이터 시각화의 기초에 대한 더 나은 이해를 위해 Python Matplotlib 튜토리얼을 살펴볼 것을 강력히 추천합니다.
참조
- Seaborn Kdeplot – 문서