웹사이트 검색

Seaborn Kdeplot - 종합 가이드

여러분! Seaborn 튜토리얼에서는 Seaborn Kdeplot에 초점을 맞출 것입니다.

Kdeplot이란 무엇입니까?

Kdeplot은 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

colorbar는 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