seaborg 750mt（seaborn库学习—-分布图displot、histplot、kdeplot、ecdfplot）
displot
语法
seaborn.displot(data=Node,*, x=None, y=None, hue=None, row=None, col=None, weights=None, kind=hist, rug=False, rug_kws=None, log_scale=None, legend=True, palette=None, hue_order=None, hue_norm=None, color=None, col_wrap=None, row_order=None, col_order=None, height=5, aspect=1, facet_kws=None, **kwargs)这个函数提供了几种可视化数据的单变量或双变量分布的方法 ，包括通过语义映射和跨多个子图分面定义的数据子集 。
通过kind参数 ，选择不同的方法：histplot() kedplot() edfplot()
此外 ，可以将rugplot()添加到任何类型的图中以显示单个的观察结果 。参数说明
data是输入的数据集 ，数据类型可以是pandas.DataFrame对象 、numpy.ndarray数组 、映射或序列类型等 。 x和y是参数data中的键或向量 ，指定关系图中x轴和y轴的变量 。 hue也是data中的键或向量 ，根据hue变量对数据进行分组 ，并在图中使用不同颜色的元素加以区分 。 hue_order指定色调语义的分类级别的处理和绘图顺序 。 hue_norm可以是设置数据单元规范化范围的一对值 ，也可以是将数据单元映射到[0,1]区间的对象 。 使用意味着数字映射 。 size也是data中的键或向量 ，根据size变量控制图中点的大小或线条的粗细 。 style也是data中的键或向量 ，根据style变量对数据进行分组 ，并在图中使用不同类型的元素加以区分 ，比如点线 、虚线等 。 kind指定要绘制的关系图类型 ，可选"scatter"(散点图)和"line"(线形图) ，默认值为"scatter" 。举例
#可以加载anaconda中sns库自己带的一些数据源 进行示例 。 penguins = sns.load_dataset("penguins") sns.displot(data=penguins, x="flipper_length_mm")使用kind=‘kde’参数来显示核密度估计,(kernel density estimates)；
使用kind=ecdf’参数来显示经验累积分布函数（empirical cumulative distribution functions）
同时也可以在直方图中 ，显示核密度估计
绘制一个二元分析图 ，将x和y都赋值:
这幅图片里面内容不是很有意义 ，但是也能看得出pCO2值与year的变化与分布；
目前 ，二元分析图仅适用于直方图和KDEs: 当然也可以使用kdes方式来画二元分析图 ，可以发现数据的分布情况；
对于每种类型的图 ，你也可以用一个边缘的“地毯 ”来显示单个的观察结果: 即在坐标轴上显示每个变量的分布状况
每种图都可以使用hue参数 映射为数据的子集单独绘制:使用的数据中有空值 ，所以加上了warn_singular 。
可以再加上一些参数 ，来是的画的更好看；
multiple must be one of [‘layer’, ‘stack’, ‘fill’, ‘dodge’]
使用col参数来分图画；这里使用官网的数据源；
你可以通过height 和 aspect参数来控制它的大小和形状:
设置x 、y轴 的命名 和单位；设置子标题命名
关于其他函数的讲解
还有其他API：histplot ，kdeplot 。 。 。读者可以参考下面网址 。
这些画图工具能画出来太多的图了 ，但是基本上用法大家都清楚 。https://seaborn.pydata.org/api.html#categorical-plots
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！