Seaborn Kdeplot: una guía completa

El gráfico de estimación de densidad del kernel (KDE)  y Kdeplot nos permiten estimar la función de densidad de probabilidad de la curva continua o no paramétrica de nuestro conjunto de datos en una o más dimensiones, lo que significa que podemos crear un gráfico único para varias muestras, lo que ayuda en más visualización eficiente de datos.

Para usar el módulo Seaborn, necesitamos instalar el módulo usando el siguiente comando:

pip install seaborn

Sintaxis: seaborn.kdeplot(x=Ninguno, *, y=Ninguno, vertical=Falso, palette=Ninguno, **kwargs)

Parámetros:

x, y : vectores o claves en datos

vertical: booleano (Verdadero o Falso)

datos: pandas.DataFrame, numpy.ndarray, mapeo o secuencia

Aprendemos el uso de algunos parámetros a través de algunos ejemplos específicos:

Primero importa la biblioteca correspondiente

import pandas as pd
import seaborn as sb
import numpy as np
from matplotlib import pyplot as plt
%matplotlib inline

Dibuje una imagen kde unidimensional simple:

Veamos el Kde de nuestra variable eje x y eje y, así que pasemos la variable x a los métodos kdeplot().

# data x and y axis for seaborn
x= np.random.randn(200)
y = np.random.randn(200)
  
# Kde for x var
sns.kdeplot(x)

Producción:

Luego, después de verificar el eje y.

sns.kdeplot(y)

Producción:

Use Sombra para llenar el área cubierta por la curva:  

Podemos resaltar la parcela sombreando el área cubierta por la curva. Si es True, el procesamiento de sombras se realiza en el área debajo de la curva kde y el color controla el color de la curva y la sombra.

sns.kdeplot(x, shade = True)

Producción:

Puede cambiar el color de sombra con atributos de color :

sns.kdeplot(x, shade = True , color = "Green")

Producción:

Usar Vertical para dibujar indica si dibujar en el eje X o en el eje Y

sns.kdeplot(x, vertical = True)

Producción:

Kdeplot bivariado para dos variables: 

Simplemente pase las dos variables a los métodos seaborn.kdeplot().

sns.kdeplot(x,y)

Producción:

Sombrea el área cubierta por una curva con atributos de sombra :

sns.kdeplot(x,y, shade = True)

Producción:

Ahora puedes cambiar el color con los atributos cmap :

sns.kdeplot(x,y, cmap = "winter_r")

Producción:

Uso de Cbar: si es verdadero, agregue una barra de colores para anotar el mapeo de colores en un gráfico bivariado. Nota: actualmente no es compatible con parcelas con una variable de matiz.

sns.kdeplot(x, y, shade=True, cbar=True)

Producción:

Veamos el ejemplo con Iris Dataset, que es una distribución de gráficos para cada columna de un conjunto de datos de formato ancho:

El conjunto de datos de iris consta de 3 tipos diferentes de longitud de pétalos y sépalos de iris (Setosa, Versicolor y Virginica), almacenados en un numpy.ndarray de 150 × 4

Cargando el conjunto de datos del iris para Kdeplot:

iris = sns.load_dataset('iris')
iris

Producción:

Kdeplot bivariado para dos variables de iris:

Una vez que hayamos establecido las especies, si queremos simplemente calcular petal_length y petal_width, simplemente pase las dos variables (Setosa y verginica) a los métodos seaborn.kdeplot().

setosa = iris.loc[iris.species=="setosa"]
virginica = iris.loc[iris.species == "virginica"]
sns.kdeplot(setosa.petal_length, setosa.petal_width)

Producción:

Vea otro ejemplo si queremos calcular otro atributo variable que es sepal_width y sepal_length.

sns.kdeplot(setosa.sepal_width, setosa.sepal_length)

Producción:

Si pasamos los dos Kdeplot separados con diferente variable:

sns.kdeplot(setosa.petal_length, setosa.petal_width)
sns.kdeplot(virginica.petal_length, virginica.petal_width)

Producción: