因此，我正在學習 Kaggle 數據可視化微型課程，并學習了繪制直方圖的課程。因此，練習要求繪制兩個直方圖，我這樣做了，它起作用了，但如果我在其中一個圖上添加 kde = False，則只有該圖可見，而不會顯示另一個圖： `sns.distplot(a = cancer_b_data['Area (mean)'], kde = False)
sns.distplot(a = cancer_m_data['Area (mean)']) `不知道我聽起來有多愚蠢，但任何澄清都會有幫助。謝謝
1 回答
當年話下
TA貢獻1890條經驗 獲得超9個贊
默認情況下kde=True，kde 被標準化，使得曲線下的面積為 1。為了在同一圖中一起顯示，直方圖也將被標準化，以便所有條形的總面積之和為一。
使用 時kde=False，默認直方圖將顯示頻率（每個箱的計數），這是更大的數字。如果將兩者顯示在具有相同軸的同一圖中，則歸一化直方圖不會消失，但會非常小。使用縮放工具，您可以驗證它是否仍然存在。要查看兩者具有相同的尺寸，sns.distplot(..., kde=False, norm_hist=True)可以使用
您會注意到，兩個直方圖不使用相同的箱邊界。這些邊界是使用樣本數量以及各個樣本集的最小值和最大值來計算的。
要真正比較兩個直方圖，可以設置顯式的 bin，因此兩者都使用相同的 bin 邊界。
以下代碼和圖比較了比較直方圖的 3 種不同方法：
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
x1 = np.random.randn(100).cumsum()
x2 = np.random.randn(100).cumsum()
fig, (ax1, ax2, ax3) = plt.subplots(ncols=3, figsize=(15, 4))
sns.distplot(a=x1, kde=False, ax=ax1)
sns.distplot(a=x2, ax=ax1)
ax1.set_title('one histogram without kde')
sns.distplot(a=x1, kde=False, norm_hist=True, ax=ax2)
sns.distplot(a=x2, ax=ax2)
ax2.set_title('setting norm_hist=True')
xmin = min(x1.min(), x2.min())
xmax = max(x1.max(), x2.max())
bins = np.linspace(xmin, xmax, 11)
sns.distplot(a=x1, kde=False, norm_hist=True, bins=bins, ax=ax3)
sns.distplot(a=x2, bins=bins, ax=ax3)
ax3.set_title('using the same bins')
plt.tight_layout()
plt.show()
添加回答
舉報
0/150
提交
取消