[Python] KDE图[密度图(Kernel Density Estimate,核密度估计)]介绍和使用场景(案例)
warning:
这篇文章距离上次修改已过183天，其中的内容可能已经有所变动。
KDE图是一种统计数据可视化方法，它通过将数据点的可能性密度进行平滑拟合来展示数据的分布。在Python中，可以使用seaborn库中的kdeplot函数来创建KDE图。
以下是一个使用seaborn库中的kdeplot函数创建KDE图的简单示例：
import seaborn as sns
import numpy as np
# 生成模拟数据
data = np.random.normal(0, 1, size=100)
# 创建KDE图
sns.kdeplot(data, shade=True, color="Blue")
# 显示图形
import matplotlib.pyplot as plt
plt.show()在这个例子中，我们首先导入了seaborn和numpy库。然后，我们使用numpy生成了一个正态分布的模拟数据集。接下来，我们使用sns.kdeplot函数创建了一个KDE图，并通过参数shade=True让密度估计下方填上颜色，color="Blue"设置填充颜色。最后，我们使用matplotlib.pyplot显示了生成的图形。
评论已关闭