分布图python介绍

在数据分析中，我们常常需要通过图表的形式来展示数据。其中，分布图是一种常用的图表类型，可以让我们更好地了解数据的分布情况。 在Python中，有多种方式来绘制分布图。下面我将为大家介绍几种常见的分布图及其绘制方法。

直方图（Histogram）

直方图是用柱形图的方式来表示数值频数分布情况的图表。横轴代表数值区间，纵轴代表该区间内的频数或频率。

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, density=True, color='g', alpha=0.5)

# 设置图表相关属性
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图表
plt.show()

上述代码首先生成了1000个随机数，然后使用plt.hist()函数绘制直方图，bins参数表示将数据分成的区间数量，density参数表示是否进行频率规范化，color参数和alpha参数分别表示柱体颜色和透明度。之后，我们设置了图表的标题和坐标轴标签，并调用plt.show()函数显示图表。运行上述代码，我们可以得到如下的直方图：

密度图（Density plot）

密度图是通过核密度估计来展示数据分布的一种图表，横轴代表数值区间，纵轴代表概率密度。

import seaborn as sns
import numpy as np

# 生成随机数据
data = np.random.randn(1000)

# 绘制密度图
sns.kdeplot(data)

# 设置图表相关属性
plt.title('Density plot')
plt.xlabel('Value')
plt.ylabel('Density')

# 显示图表
plt.show()

上述代码首先生成了1000个随机数，然后使用sns.kdeplot()函数绘制密度图。之后，我们设置了图表的标题和坐标轴标签，并调用plt.show()函数显示图表。运行上述代码，我们可以得到如下的密度图：

箱线图（Box plot）

箱线图是一种展示数据分布情况和异常值的图表。图表中，箱子代表数据的中位数及四分位范围，触须表示数据的总范围，异常值则表示超过范围的数据。

import seaborn as sns
import numpy as np

# 生成随机数据
data = np.random.randn(100)

# 绘制箱线图
sns.boxplot(data)

# 设置图表相关属性
plt.title('Box plot')
plt.xlabel('Value')

# 显示图表
plt.show()

上述代码首先生成了100个随机数，然后使用sns.boxplot()函数绘制箱线图。之后，我们设置了图表的标题和坐标轴标签，并调用plt.show()函数显示图表。运行上述代码，我们可以得到如下的箱线图：

统计密度图（Violin plot）

统计密度图是密度图和箱线图的结合体，它可以同时展示数据分布情况和异常值。

import seaborn as sns
import numpy as np

# 生成随机数据
data = np.random.randn(100)

# 绘制统计密度图
sns.violinplot(data)

# 设置图表相关属性
plt.title('Violin plot')
plt.xlabel('Value')

# 显示图表
plt.show()

上述代码首先生成了100个随机数，然后使用sns.violinplot()函数绘制统计密度图。之后，我们设置了图表的标题和坐标轴标签，并调用plt.show()函数显示图表。运行上述代码，我们可以得到如下的统计密度图：

以上便是四种常见的分布图及其绘制方法。除了上述绘制方法外，还有其他方式可以生成分布图。在实际使用中，我们可以根据数据的特点和需要选择合适的绘制方法。