数据可视化(6)-Seaborn系列 | 直方图distplot()

seaborn.distplot(a, bins=None, hist=True, 
                 kde=True, rug=False, fit=None, 
                 hist_kws=None, kde_kws=None, rug_kws=None,
                 fit_kws=None, color=None, vertical=False,
                 norm_hist=False, axlabel=None,
                 label=None, ax=None)

a: Series, 一维数组或列表

要输入的数据，如果设置name属性，则该名称将用于标记数据轴；

以下是可选参数:
bins: matplotlib hist()的参数 或者 None
作用：指定直方图规格，若为None，则使用Freedman-Diaconis规则,
该规则对数据中的离群值不太敏感，可能更适用于重尾分布的数据。
它使用 bin 大小  
[2∗IQR(X(:))∗numel(X)(−1/4),2∗IQR(Y(:))∗numel(Y)(−1/4)][2∗IQR(X(:))∗numel(X)(−1/4),2∗IQR(Y(:))∗numel(Y)(−1/4)] ，
其中 IQR 为四分位差。

hist:bool
是否绘制(标准化)直方图

kde:bool
是否绘制高斯核密度估计图

rug:bool
是否在支撑轴上绘制rugplot()图

{hist，kde，rug，fit} _kws：字典
底层绘图函数的关键字参数

color:matplotlib color
该颜色可以绘制除了拟合曲线之外的所有内容

vertical:bool
如果为True,则观察值在y轴上，即水平横向的显示

import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
"""
案例1：显示默认绘图，其中包含内核密度估计值和直方图
"""
sns.distplot(x,kde=True,hist=False)
plt.show()

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
# 使用pandas来设置x 轴标签 和y 轴标签
x = pd.Series(x, name="x variable")
"""
案例2：绘制直方图和核函数密度估计图
"""
sns.distplot(x)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
"""
案例3：绘制核密度估计和地图
"""
sns.distplot(x, rug=True, hist=False)
plt.show()

from scipy.stats import norm
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
"""
案例4：绘制直方图和最大似然高斯分布拟合图
"""
sns.distplot(x, fit=norm, kde=False)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
"""
案例5：绘制水平直方图 (即在垂直轴上绘制分布)
"""
sns.distplot(x, vertical=True)
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
"""
案例7：改变绘图元素的颜色
"""
sns.set_color_codes()
sns.distplot(x, color="y")
plt.show()

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
sns.set()
#构建数据
np.random.seed(0)
x = np.random.randn(100)
# 制定一些绘图参数
sns.distplot(x, rug=True, rug_kws={"color": "g"},
             kde_kws={"color": "k", "lw": 3, "label": "KDE"},
             hist_kws={"histtype": "step", "linewidth": 3,
                       "alpha": 1, "color": "g"})
plt.show()