Seaborn實現單變數分析

2022-06-19 12:09:12 字數 1295 閱讀 2090

import

numpy as np

import

pandas as pd

from scipy import

stats,integrate

import

matplotlib.pyplot as plt

import

seaborn as sns

## 繪製直方圖

#sns.set(color_codes=true)

#np.random.seed(sum(map(ord,"distributions")))

## 生成高斯資料

#x = np.random.normal(size = 100)##

## sns.distplot(x,kde = false)

## x 資料 kde 是否做密度估計

## 將資料劃分為 15 份 bins = 15

#sns.distplot(x,kde = false,bins = 15)

#plt.show()

## 檢視資料分布狀況,根據某乙個指標畫一條線

#x = np.random.gamma(6,size = 200)

#sns.distplot(x,kde = false,fit = stats.gamma)

#plt.show()

#mean,cov = [0,1],[(1,5),(0.5,1)]

#data = np.random.multivariate_normal(mean,cov,200)

#df = pd.dataframe(data,columns=["x","y"])

## 單變數使用直方圖,關係使用散點圖

#關係 joinplot (x,y,data)

#sns.jointplot(x = "x",y = "y",data = df)

## 繪製散點圖和直方圖

#plt.show()

## hex 圖,資料越多 色越深

#mean,cov = [0,1],[(1,8),(0.5,1)]

#x,y = np.random.multivariate_normal(mean,cov,500).t

## 注意 .t 進行倒置

#with sns.axes_style("white"):

#sns.jointplot(x = x,y = y,kind = "hex",color = "k")

#plt.show()

2020-04-24

Seaborn 單變數分析(三)

matplotlib inline import numpy as np import pandas as pd from scipy import stats,integrate import matplotlib.pyplot as plt import seaborn as sns sns.s...

活躍變數分析

1 定義 對於變數x和程式點p,判斷x在點p上的值是否會在流圖中的某條從點p出發的路徑中使用。如果是,就說x在p上活躍 否則就說x在p上是死的。2 用途 重要用途之一是為基本塊進行儲存器分配。乙個值被計算儲存到乙個暫存器中後,很有可能在基本塊中被使用。如果它在基本塊中是死的,就不必在結尾處儲存這個值...

seaborn 單變數分布 雙變數分布

第七課 資料視覺化 第13節 資料集分布視覺化 1 單變數分布 雙變數分布 import seaborn as sns import numpy as np import matplotlib.pyplot as plt sns.version 0.8.1 單變數分布 核密度估計圖 data1 np...