单变量分析绘制-学习笔记

最新推荐文章于 2025-07-04 20:32:16 发布

Hathaway321

最新推荐文章于 2025-07-04 20:32:16 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 文章标签：可视化

本文链接：https://blog.youkuaiyun.com/MilkHathaway/article/details/78879592

这篇博客介绍了如何使用Python的Seaborn库进行单变量分析和多变量关系的可视化。通过实例展示了distplot函数用于查看数据分布，包括核密度图（kde）和曲线拟合；利用jointplot创建散点图矩阵，展示变量间的分布关系，并通过hex参数以颜色深浅表示频率，同时探索不同分类变量的影响。此外，还演示了pairplot的功能，如设置hue参数显示类别，调整shape、palette、diag_kind以及添加回归线等，提供了丰富的图表定制选项。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import pandas as pd
from scipy import stats,integrate #stats统计简写，integrate积分
import matplotlib.pyplot as plt

import seaborn as sns
sns.set_color_codes()
np.random.seed(sum(map(ord,'distributions')))

##例1
# x=np.random.normal(size=100)
# sns.distplot(x,bins =20,kde = False,fit=stats.gamma()) #distplot一般用于查看单变量的分布，kde是核密度函数，以后会讲

##例2 曲线拟合gamma