绘制 Distplots 密度图和误差线图

在数据可视化中，密度图可以用来表示连续变量的分布情况，误差线图可以用来显示数据的误差范围。Python 中的 Seaborn 库提供了 distplot() 函数和 lineplot() 函数，可以很方便地绘制密度图和误差线图。

绘制密度图

distplot() 函数可以绘制单变量或双变量的密度图，下面是一个简单的例子：

import seaborn as sns
import matplotlib.pyplot as plt

# 导入数据
tips = sns.load_dataset('tips')

# 绘制单变量密度图
sns.distplot(tips['total_bill'], kde=False, rug=True)

# 显示图形
plt.show()

以上代码会绘制出一个 total_bill（账单总额）的直方图和一个带有刻度的密度曲线。其中，kde 参数为 False 表示不显示密度曲线，rug 参数为 True 表示在直方图下方绘制数据点的位置。

如果希望绘制双变量密度图，可以将 x 和 y 参数分别设置为两个变量的名称：

# 绘制双变量密度图
sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde')

# 显示图形
plt.show()

以上代码会绘制出一个 total_bill 和 tip 的双变量密度图，kind 参数为 'kde' 表示使用密度图形式。

绘制误差线图

lineplot() 函数可以绘制数据点的误差范围，下面是一个简单的例子：

# 导入数据
fmri = sns.load_dataset('fmri')

# 绘制误差线图
sns.lineplot(x='timepoint', y='signal', hue='region', style='event', data=fmri, err_style='band')

# 显示图形
plt.show()

以上代码会绘制出一个 fmri 数据集中 timepoint（时间点）和 signal（信号强度）的误差线图，hue 参数为 region（脑区）表示将数据按照脑区分组着色，style 参数为 event（事件）表示将数据按照事件分组绘制，并使用不同的线条样式，err_style 参数为 'band' 表示使用误差带绘制误差范围。

代码片段

import seaborn as sns
import matplotlib.pyplot as plt

# 导入数据
tips = sns.load_dataset('tips')

# 绘制单变量密度图
sns.distplot(tips['total_bill'], kde=False, rug=True)

# 绘制双变量密度图
sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde')

# 导入数据
fmri = sns.load_dataset('fmri')

# 绘制误差线图
sns.lineplot(x='timepoint', y='signal', hue='region', style='event', data=fmri, err_style='band')

以上代码片段包含绘制单变量密度图、双变量密度图和误差线图的代码，可以根据需要进行修改和使用。