シーボーンのKdeplot-包括的なガイド
みなさん、こんにちは！私たちのSeabornのチュートリアルでは、Seaborn Kdeplotに焦点を当てます。
Kdeplotとは何ですか？
Kdeplotはカーネル分布推定プロットであり、連続的または非パラメトリックなデータ変数の確率密度関数を示します。したがって、単変量または複数変数を一緒にプロットすることができます。Python Seabornモジュールを使用して、さまざまな機能を追加したKdeplotを作成することができます。
Seabornモジュールを使用するには、以下のコマンドを使用してモジュールをインストールしてインポートする必要があります。
pip install seaborn
import seaborn
単変量のSeaborn Kdeplotを作成する
seabornのkdeplot()関数は、単一または一次元の変数に対してデータをプロットするために使用されます。プロットされた曲線の下の面積としてデータ値の確率分布を表します。
文法：
seaborn.kdeplot(data)
例1：
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data)
plt.show()
上記の例では、numpy.random.randn() 関数を使用していくつかのランダムなデータ値を生成しました。
出力する。
例2：
– Please turn off the lights before you leave.
（あなたが出かける前に、電気を消してください。）
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
data = np.random.randn(200)
res = sn.kdeplot(data,color='green',shade=True)
plt.show()
上記の例では、パラメーター「shade」を使用して曲線の下の領域を強調表示しています。さらに、パラメーター「color」を使用してプロットに異なる色を設定することもできます。
出力:
バイバリエートシーボーンKdeplotを作成する
シーボーンのKdeプロットは、他の値に対して一つの変数や二つの変数を使用してデータをプロットすることができます。これにより、一つの確率分布を他の値に関して表示することができます。
文法：
構文:
seaborn.kdeplot(x,y)
したがって、分布は二つのデータ変数間の関係を表す等高線プロットとして表されます。
例えば、ある男性が町を散歩していると、突然強い地震が発生しました。
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],color='blue',shade=True)
plt.show()
出力:
垂直軸にSeabornのKdeplotをプロットする
以下の構文を使用して、Kdeplotsをy軸にプロットすることができます。
文法構造：
seaborn.kdeplot(data,vertical=True)
したがって、’vertical’パラメータをTrueに設定することで、分布をy軸に対してプロットすることができます。
英語の例文を日本語で言い換えてください（1つのオプションのみでOK）：
“He is studying Japanese at a language school in Tokyo.”
彼は東京の語学学校で日本語を勉強しています。
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],vertical=True,color='blue',shade=True)
plt.show()
結果：
SeabornのKdeplotでカラーパレットを使用することを日本語で述べてください。
‘cmap’パラメータを使用して、異なるカラーパレットをSeabornプロットとともに使用することで、データをより良く視覚化することができます。
Matplotlibのカラーマップでは、さまざまなタイプのカラーパレットが利用できます。
文法：
構文：
seaborn.kdeplot(data,cmap)
サッカーボールが赤いです。
Paraphrased: フットボールが赤色です。
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
res = sn.kdeplot(data['mpg'],data['qsec'],shade=True,cmap="Purples_d")
plt.show()
出力:
二つのシェードされた双変量Kdeプロットを作図する
2つの影付きの二次元KDEプロットは、二次元のデータ変数の確率分布に基づいてデータの変動を理解するのに役立ちます。
以下の文を日本語で自然に言い換えてください。選択肢は1つだけです。
例：
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d")
res = sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Blues")
plt.show()
結果：
SeabornのKdeplotにColorbarの追加
カラーバーは、値の図の表現を元のデータ値にマッピングし、データをより良く視覚化するのに役立ちます。
文法：
文法：
seaborn.kdeplot(data,cbar=True)
I am studying Japanese.
import seaborn as sn
import matplotlib.pyplot as plt
import numpy as np
import pandas
data = pandas.read_csv("C:/mtcars.csv")
sn.set(style='dark',)
res=sn.kdeplot(data['hp'],data['cyl'],shade=True,cmap="Purples_d",cbar=True)
plt.show()
出力:
結論
Seabornモジュールは、Matplotlibモジュールを完全にベースにしており、この組み合わせはさまざまな形式でデータを視覚化するために広く使用されています。
Python Matplotlibのチュートリアルを読んで、データの可視化の基礎についてより良い理解を得ることを読者に強くおすすめします。
参考文献
- Seaborn Kdeplot – Documentation